打造AI訓練基礎平台！Unity推出Machine Learning Agents

雷鋒網的讀者或許還記得，在上個月的The International比賽上，OpenAI的DotA 2遊戲人工智慧在 1V1 中擊敗了人類玩家的消息。

但在未來，人工智慧遊戲選手或許將會面臨新的對手：另一個人工智慧。今天，全球最大的3D遊戲引擎Unity宣布發布Unity Machine Learning Agents，通過將其遊戲引擎與TensorFlow等機器學習框架相連接，遊戲中的NPC有望通過機器學習的方式變得更有策略性，從而增加遊戲的對抗性和可玩性。

但Unity的意圖不僅如此。在其博客中，Unity這樣寫道：

「Unity正處於機器學習與遊戲之間的十字路口。我們的使命是使機器學習研究人員獲得最強大的訓練場景，將他們最新的機器學習技術的應用通過我們回饋給遊戲界。 作為這項努力的第一步，我們很高興推出Unity Machine Learning Agents（ML-Agents）。」

同時，Unity負責AI和機器學習的副總裁Danny Lange表示：

機器學習是一種顛覆性的技術。這是AI的一個令人興奮的新篇章，因為我們正在使一個可以廣泛訪問的、端到端的機器學習環境，並向開發者提供讓遊戲和系統更加智能化的工具、Unity的物理引擎和3D逼真渲染環境。不僅如此，我們的AI工具包還為快速增長的AI愛好者群體探索深度學習提供了一個研究平台，最終將改變遊戲行業。「

據雷鋒網了解，Unity3D是由Unity Technologies開發的一個讓玩家輕鬆創建諸如三維視頻遊戲、建築可視化、實時三維動畫等類型互動內容的多平台的綜合型遊戲開發工具。通過Unity3D可以極高精度地模擬真實世界的場景合物理規則，例如各種3D模型、紋理、光影效果、甚至橡膠輪胎與混凝土地面的摩擦，而這樣的遊戲場景可以幫助人工智慧研究人員更好地模擬和訓練用於真實世界的機器人和AI應用。

GIF/867K

（由Unity創建的一個RL/ML模擬訓練環境示例）

這種模擬訓練的方法在工業機器人、無人機、無人駕駛車輛和遊戲角色設計中均有著廣泛應用。目前對用機器學習方法開發智能代理的需求日益增長，Unity希望為這些開發者設計一個更靈活和更易於使用的系統，該系統的典型用戶包括：

研究現實場景中複雜的多代理競爭/合作行為的學術研究者；

機器人、無人駕駛及其他工業應用中需要進行大規模並行訓練機制的行業研究者；

希望通過智能代理提升遊戲AI和可玩性的遊戲開發人員。

（如何在Unity的ML-Agent中配置學習環境的示意圖）

ML-Agent的學習環境包含三類對象：代理（Agent）、大腦（Brain）和學院（Academy）。每個代理可以擁有一組獨特的狀態和觀察值，在環境中採取獨特的操作，並為環境中的事件獲得獨特的獎勵。代理的行為由與之相關的大腦決定；大腦定義一個特定的狀態和行動空間，並負責決定每個聯繫的代理人將採取哪些行動，並匯總到「學院」中。「學院」對象對環境的範圍進行定義，包括引擎配置、速度和渲染質量、代理頻度、場景長度等。所有由大腦設置為外部的代理狀態和觀察值由外部介面收集並傳送給Python API，開發者可使用相應的機器學習庫進行處理。

據雷鋒網統計，全球銷量前1000名的手機遊戲中，與Unity有關的作品超過50%，75%與AR/VR相關的內容為Unity引擎創建，採用Unity製作的遊戲已經在30億部設備上使用。Unity在機器學習的轉型始於2016年，在2016年，NVIDIA因為在AI上的成功轉型成為一家千億美元公司，對於同樣在3D模型和圖像渲染領域頗有經驗的Unity來說，或許現在正是其轉型AI基礎平台的大好機會。

目前Unity已經發布了測試版ML-Agent SDK。ML-Agents SDK可以讓研究人員和開發人員將使用Unity Editor所創建的遊戲和模擬場景轉換為可以使用Python API，通過深度增強學習等機器學習方法對智能代理進行訓練的環境。對Unity的ML-Agent SDK感興趣的開發者，可以訪問其Github頁面獲得更詳細的消息。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！