ml-agents: 在 Unity 遊戲與模擬中訓練智慧代理人的工具包

它解決了什麼問題

它讓遊戲開發者與 AI 研究人員能夠將 Unity 遊戲與模擬作為訓練智慧代理人的環境。這消除了從頭開始構建自定義訓練環境的需求，從而能夠創建複雜的 NPC 行為、自動化遊戲測試，以及評估遊戲設計決策。

運作原理

該工具包提供了一個 Python API 與一個 Unity SDK，將 Unity 場景連接到基於 PyTorch 的機器學習演算法。它支援多種訓練方法，包括深度強化學習 (PPO, SAC, MA-POCA, self-play)、模仿學習 (BC, GAIL) 以及神經演化 (neuroevolution)。使用者可以定義課程學習 (curriculum learning) 場景，並使用環境隨機化來創建強健的代理人，然後使用原生的跨平台推理引擎 (Inference Engine) 進行部署。

對象是誰

• 遊戲開發者： 用於創建智慧 NPC 或自動化遊戲版本的測試。
• AI 研究人員： 將 Unity 豐富的 3D/2D/VR/AR 環境作為評估新 AI 演算法的平台。
• 愛好者： 在自己的遊戲中輕鬆實現尖端的 AI。

重點特性

• 多樣化的訓練方法： 支援強化學習、模仿學習與神經演化。
• 多代理人支援： 能夠訓練單代理人、協作式多代理人以及競爭式多代理人場景。
• 整合就緒： 可以封裝為 Gym 或 PettingZoo 環境，以相容於其他 AI 工具。
• 可擴展性： 允許使用者添加自定義的訓練演算法與組件。
• 可擴展性： 支援在多個並行的 Unity 環境實例上進行訓練。