Unity强化学习
文章平均质量分 95
微笑小星
强化学习的信仰者,游戏开发的爱好者。
展开
-
多智能体强化学习算法MA-POCA
它在集中式训练,分布式执行的AC框架上提出了两个改进点:一是针对数量不确定的智能体组合,使用了注意力机制的特殊神经网络结构,可以处理不定量输入,并且代替了现有的COMA算法全耦合的吸收状态。但是,当单个代理的当前行为导致智能体本身的行为终止(例如自我牺牲)时,它已被排除在环境之外,它不能再观察到队伍获得奖励时的环境状态,也不再能够获得小组后来可能获得的奖励。它是经典的的中心化训练和非中心化执行的算法,即在训练的时候,Critic不仅需要知道该智能体的动作信息,还需要知道其他智能体的动作信息,才能做出评判。原创 2024-06-20 21:40:07 · 1313 阅读 · 0 评论 -
ML-Agents与python的Low Level API通信
用自己的python算法训练Unity人工智能原创 2023-04-18 01:07:05 · 1313 阅读 · 2 评论 -
模仿学习与强化学习的结合(原理讲解与ML-Agents实现)
模仿学习与强化学习结合能产生超级强悍的训练效果,是训练困难任务的必备框架原创 2021-12-27 12:36:15 · 14337 阅读 · 12 评论 -
ML-Agents案例之“排序算法超硬核版”
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者ML-A原创 2021-12-15 09:27:26 · 3535 阅读 · 1 评论 -
ML-Agents案例之看图配对
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者ML-A原创 2021-12-13 20:07:15 · 4617 阅读 · 0 评论 -
ML-Agents案例之机器人学走路
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者ML-A原创 2021-12-12 20:22:37 · 3866 阅读 · 2 评论 -
ML-Agents案例之蠕虫
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者ML-A原创 2021-12-12 12:28:14 · 5222 阅读 · 0 评论 -
ML-Agents案例之金字塔
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者ML-A原创 2021-12-03 10:14:57 · 6042 阅读 · 0 评论 -
ML-Agents案例之地牢逃脱
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者ML-A原创 2021-11-30 01:13:23 · 3546 阅读 · 3 评论 -
Unity人工智能之不断自我进化的五人足球赛
本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者ML-Agents案例之双人足球本案例为本文根据双人足球基础之上尝试改进的五人足球。本案例使用了Unity的ML-Agents组件开发而成,这里使用了多智能体强化学习的算法MA-POC原创 2021-11-24 22:03:59 · 6270 阅读 · 12 评论 -
ML-Agents案例之双人足球
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏ML-Agents案例之食物收集者对称环境原创 2021-11-17 17:42:52 · 4765 阅读 · 4 评论 -
ML-Agents案例之食物收集者
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents,本文是详细的配套讲解。本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。我前面的相关文章有:ML-Agents案例之CrawlerML-Agents案例之推箱子游戏ML-Agents案例之跳墙游戏环境说明环境中存在有多个智能体,他们的任原创 2021-11-16 10:42:46 · 3266 阅读 · 3 评论 -
ML-Agents案例之跳墙游戏
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。本文主要的知识点是课程学习(Curriculum Learning)以及Model Override脚本的使用。参考资料:ML-Agents(九)Wall Jump环境说明 本案原创 2021-11-11 17:36:33 · 4196 阅读 · 5 评论 -
ML-Agents案例之推箱子游戏
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。参考资料:ML-Agents(八)PushBlock、训练ML-Agents玩躲避球、ML-Agents 2.0:合作行为训练游戏目标:智能体把白色的方块推到指定的绿色区域为游戏胜利。推箱子游戏原创 2021-11-10 15:55:26 · 9436 阅读 · 14 评论 -
ML-Agents案例之Crawler
本案例源自ML-Agents官方的示例,Github地址:https://github.com/Unity-Technologies/ml-agents本文基于我前面发的两篇文章,需要对ML-Agents有一定的了解,详情请见:Unity强化学习之ML-Agents的使用、ML-Agents命令及配置大全。参考资料:ML-Agents(十)Crawler上一次运行的3DBall的任务比较简单,只需要把小球停在方块上方,输入维度低,奖励函数设置较简单,因此很快就能训练出比较好的效果。接下来训练一个更具有原创 2021-11-09 19:32:11 · 3993 阅读 · 0 评论 -
ML-Agents命令及配置大全
关于ML-Agents插件的入门,请查看我前面的博文: Unity强化学习之ML-Agents的使用本文内容基于ML-Agents的官方文档:Training ML-Agents以及Training Configuration File原创 2021-11-03 10:39:02 · 7914 阅读 · 11 评论 -
Unity强化学习之ML-Agents的使用
ML-Agents是游戏引擎Unity3D中的一个插件,也就是说,这个软件的主业是用来开发游戏的,实际上,它也是市面上用得最多的游戏引擎之一。而在几年前随着人工智能的兴起,越来越多的强化学习环境被开发出来,例如总所周知的OpenAI的Gym,还有许多实验室都采用的星际争霸2环境来进行多智能体强化学习的研究。作为一个对游戏开发和强化学习都非常感兴趣的人,了解到了ML-Agents这款插件,使得能够自己创造一个独一无二,,与众不同,又充,与众不同,又充满智慧的游戏AI成为可能。原创 2021-11-03 10:25:24 · 20987 阅读 · 23 评论