ml-agents：在 Unity 游戏和仿真中训练智能体的工具包

它解决了什么问题

它让游戏开发者和 AI 研究者能够使用 Unity 游戏和仿真作为训练智能体的环境。这样就不需要从头构建自定义训练环境，能够创建复杂的 NPC 行为、自动化游戏测试以及评估游戏设计决策。

工作原理

该工具包提供了 Python API 和 Unity SDK，将 Unity 场景与基于 PyTorch 的机器学习算法连接起来。它支持多种训练方法，包括深度强化学习（PPO、SAC、MA-POCA、自我对弈）、模仿学习（BC、GAIL）和神经进化。用户可以定义课程学习场景并使用环境随机化来创建鲁棒的智能体，然后通过原生跨平台推理引擎部署它们。

适用人群

• 游戏开发者： 用于创建智能 NPC 或自动化游戏构建的测试。
• AI 研究者： 利用 Unity 丰富的 3D/2D/VR/AR 环境作为评估新 AI 算法的平台。
• 爱好者： 在自己的游戏中轻松实现最先进的 AI。

亮点

• 多样的训练方法： 支持强化学习、模仿学习和神经进化。
• 多智能体支持： 能够训练单智能体、合作多智能体和竞争多智能体场景。
• 即插即用： 可包装为 Gym 或 PettingZoo 环境，以兼容其他 AI 工具。
• 可扩展： 允许用户添加自定义训练算法和组件。
• 可伸缩： 支持在多个并发的 Unity 环境实例上进行训练。