compilateur de finition Anne
Qubit produit | Numéro public QbitAI
Bienvenue dans le monde du jeu.
Entendu l'unité n'a pas d'importance, vous êtes sûr de la gloire du roi, Monument Valley, Temple Run 2, Pokémon GO autres jeux du bout des doigts. Oui, l'unité est leur moteur de jeu.
Aujourd'hui, l'unité a annoncé la disponibilité de l'unité d'apprentissage machine Agent (ML-Agent), pour relier le moteur au cadre de l'apprentissage de la machine de jeux Google tensorflow. Par la profondeur de l'algorithme d'apprentissage de renforcement, de sorte que les personnages non joueurs (PNJ) par essais et erreurs constantes, à devenir plus créatif et stratégique.
Dans le processus de développement du jeu, ni permettent aux joueurs en raison de trop simple et ennuyeux, pas trop difficile en raison de la perte d'intérêt pour le joueur. développeur Unity représentation Arthur Juliani, l'unité de ML-Agent aidera à augmenter la jouabilité du jeu.
importance readme ingénieur Unité ML-Agent dans le jeu de développement
Dans le passé, les développeurs doivent écrire du code à la main, de sorte que l'interaction de l'environnement de formation des agents de formation progressivement, le scénario typique est un environnement unique couplé étroitement + Agent. Agent de l'action de l'État pour changer l'environnement, les commentaires de l'environnement à l'agent une variété d'incitations.
cycle de formation d'apprentissage de renforcement typique
L'unité espère concevoir un système qui permet une plus grande flexibilité d'utiliser le moteur de jeu. Par conséquent, l'Unité a présenté les ML-agents, et a publié le SDK bêta ouverte. ML-agents SDK permet aux développeurs de jeux disponibles et des scénarios de simulation API Python sera créé dans Unity Editor peuvent être convertis en une profondeur de l'apprentissage par renforcement, stratégie évolutive, ou d'autres méthodes d'apprentissage machine à l'environnement de formation.
La configuration de l'environnement d'apprentissage dans le ML-Agents représentation visuelle
Tous les environnements d'apprentissage, Agent, Brain Academy et est essentielle pour les trois objets.
Chaque agent peut avoir peut prendre un statut unique et l'observation, l'action séparément dans l'environnement et obtenir la récompense. Agent d'action déterminé par le cerveau associé, cerveau définissent chacun un état spécifique et dans l'espace l'action, et est responsable de l'agent associé décidera des mesures à prendre. Après, Brain Academy à l'information sommaire, la définition du champ d'application de l'environnement, telles que la configuration du moteur, le contrôle de châssis, la longueur de la scène.
Agent, connexion incitations cerveau et différentes peut créer différents scénarios, par conséquent, l'unité de ML-Agents assez pour déverrouiller une variété de scénarios de formation. Agent de formation pour les débutants qui, de l'environnement Unity fournit des exemples typiques de configuration et explique comment créer avec le SDK ML-agents.
L'unité montre quelques exemples de différents scénarios de formation dans le blog officiel, après une période de formation, performances de l'agent sont étonnants:
la formation des agents dans les 30 secondes pour jouer à la balle de l'équilibre 3D
L'unité moteur de jeu permet de simuler avec précision la scène réelle, comme la texture de l'objet, l'efficacité lumineuse et matériel. Danny Lange, vice-président de l'unité AI et le département d'apprentissage de la machine au moment de l'entrevue, le rôle de l'unité de ML-agents ne sont pas limités aux jeux virtuels, il permettra d'accélérer les progrès technologiques dans les robots de la vie réelle. Par exemple, l'industrie du pilote automatique, il peut être plus vraiment les former générés par ordinateur, mais l'environnement virtuel réaliste.
Enfin, avec une description de l'unité blog officiel:
https://blogs.unity3d.com/cn/2017/09/19/introducing-unity-machine-learning-agents/
Et ML-agents GitHub code:
https://github.com/Unity-Technologies/ml-Agents
Je vous souhaite bon moment ~
- FIN -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
qubit QbitAI
' « suivre les nouvelles technologies AI dynamiques et de produits