Unity ML-Agents 之 平衡球案例的实现整理（内含实现步骤）

已于 2024-08-06 19:46:45 修改
阅读量3.1k 收藏 30
点赞数 5
分类专栏： Unity 进阶 文章标签： Unity ML-Agents 机器学习 平衡球 AI
于 2020-09-03 16:22:31 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014361280/article/details/108374915
版权

Unity ML-Agents 之 平衡球案例的实现整理（内含实现步骤）

目录

Unity ML-Agents 之 平衡球案例的实现整理（内含实现步骤）

一、简单介绍

二、原理实现

三、原理拆解

四、注意事项

五、效果预览

六、实现步骤

七、训练过程数据的可视化查看（tensorboard.exe 查看可视化数据）

八、关键脚本

九、训练后记

一、简单介绍

Unity 中使用人工智能 ML-Agents 的功能，包括环境搭建，ML-Agents 集成到Unity，使用 mlagents 训练，训练结果在 Unity 中使用等。

本节介绍，在 Unity 使用 ML-Agents，编写重写 平衡球案例，然后训练，得到训练模型的方法 Demo。关键是学会，判断设置重写重置的条件，怎么设置奖励ÿ

了解本专栏 订阅专栏 解锁全文 超级会员免费看
仙魁XAN
关注
专栏目录
订阅专栏
Unity中的机器学习ML-Agents
L的博客
10-08 4141
一：介绍 二：搭建环境 ——升级Python版本 因为mac自带的是python2.7.X的版本， 查看当前python版本：python -V ——搭建Python环境 安装Anconda：https://www.anaconda.com/products/individual
C#与Unity ML-Agents：强化学习游戏AI
最新发布
java专栏
08-14 568
📚 Unity ML-Agents是一个由Unity Technologies和Google DeepMind共同开发的开源项目，它提供了一套工具和算法，用于在Unity环境中训练智能体（AI）。
ML-Agents 创建一个新的训练环境 【ML-Agents 官方文档翻译（ML-Agent 1.9.1，Unity 2018-2020）】
FutaAlice的博客
11-18 4131
Making a New Learning Environment 本教程将从头开始创建一个 Unity Environment，以用于训练 Reinforcement Learning（强化学习）Agent。 建议先阅读Getting Started，以便理解构建 Environment 用到的原理。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZA9IexFG-1637221255733)(images/mlagents-NewTutSplash.png)] 在本节示例
Unity的机器学习工具包ML-Agents
Peter的博客
12-02 2759
Github下载链接：https://github.com/Unity-Technologies/ml-agentsML-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，强化学习算法的不断改进，使得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，同时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。
Unity 对接 ML-Agents 初探
艾沃尼斯の飞空庭
02-24 1387
ML-Agents
Unity之ml-agents（一）：环境配置及初步使用
gls_nuaa的博客
02-15 5096
  ml-agents是Unity官方专门用来提供强化学习的工具包，关于ml-agents的介绍不是本文的重点。相比于其他的工具包只需要在package manager中导入，ml-agents需要进行一下简单的配置。这篇文章就对于配置过程及过程中可能遇到的一些问题给予解答。   Unity开源网址：https://github.com/Unity-Technologies/ml-agents   ml-agents的配置有CPU版和GPU版，因为目前GPU并没有提供太多的增益。本篇文章就介绍CPU的配置了
Unity的ML-agent训练教程（附环境配置流程）
hnbxs的博客
02-13 3357
1）创建虚拟环境接下来提过指令激活虚拟环境Unity2）在虚拟环境内配置需要用的库在GitHub上下载unity官方的ml-agent包仓库，下载到位置在anaconda prompt通过依次输入指令导入库文件一般会因为网速问题导致报错超时，可将指令改为如下形式或等待提示导入完成后输入指令若出现提示文本，则环境配置成功。
最新！Unity ml-agents v0.5 环境配置——平衡小球项目(包含TFSharpPlugin.unitypackage)
inception_wzd的博客
10-30 1754
现在unity的插件ml-agents供开发者，将机器学习运用到unity的项目中。 参考视频：https://www.bilibili.com/video/av34659627?t=206 TFSharpPlugin插件地址：https://pan.baidu.com/s/1MSzhF_iH6_UOME4WybsVyg  提取码：5tvp  第一阶段：配置环境 1.下载Unity（本文...
玩转Unity中的ML-Agents 机器学习（三）：BallacceBall 案例训练
q568360447的博客
10-11 5330
转载注明出处，QQ群：142617170 ， 欢迎进群交流！运行Unity 的ML-Agents所需要的环境都搭好之后，就可以实际探索工程内的官方案例。这一篇我们以官方工程内的3D BallanceBall 案例来说明整个机器学习的流程以及在这个过程中博主所遇到的一些问题。随着新的ML-Agents v0.3的发布，我更改了教程中的一下过时的内容。源英文文档的教程地址：https://github...
【实战演练】使用Unity ML-Agents创建3D强化学习环境
![强化学习]...# 2.1 强化学习的原理和算法 ### 2.1.1 马尔可夫决策过程 强化学习基于马尔可夫决策过程（MDP）建模，其定义如下： - **状态（S）：**环境的当前状态，它包含了有关环境所有相关
十个unity练手小实例
08-19
十个用来练习unity的小实例，主要看代码，经本人鉴定确实不错，适合新手学习。。版本稍有些老，望见谅。
平衡球游戏
01-10
平衡球，开发左右脑，很不错的单机小游戏，锻炼平衡感
BalanceBall 平衡球示例.unitypackage
05-31
BalanceBall 平衡球示例 一个简单的平衡球游戏案例，欢迎大家下载学习
ML-Agent（Unity机器学习插件）
06-12
https://github.com/Unity-Technologies/ml-agents，Github上可以直接下载，介于国内Github网速太慢，上传一个下载好的。
Unity ML-Agents 之 环境配置（Anaconda 下载安装等），简单的搭建场景实现简单训练的Demo（内含详细步骤）.rar
09-01
Unity ML-Agents 之 环境配置（Anaconda 下载安装等），简单的搭建场景实现简单训练的Demo（内含详细步骤） 一、简单介绍 二、工程地址 三、效果预览 四、实现原理 五、涉及命令 六、注意事项 七、环境搭建 Anacoda 的下载 Anaconda 安装 Unity ML-Agents 资源下载 八、Anacoda 中构建 Unity 训练环境 创建环境 在环境中安装 mlagents 九、Unity 中集成 ML-Agents 十、结合 ML-Agents 和 Unity 开始训练 十一、使用训练好的模型，进行演示 十二、关键脚本
【Unity】使用ML-Agents创建新的机器学习项目的流程
m0_38108745的博客
04-11 3609
转载请注明出处！本文简述了Unity官方给出的机器学习实例的实现流程。【阅读建议】已安装ML-Agents环境，并训练过一个官方实例（如：3D平衡球）的开发者。【实例简介】本文要实现的是官方给出的RollerBall实例，从创建新项目到最终训练完成，完全参照官方文档。实例的学习目标是，让平板上的一个小球（Agent）变换方向，滚向目标方块（Target），小球到达目标后，目标随机变换位置，整个过程...
Unity机器学习2 ML-Agents第一个例子
thinbug的专栏
05-16 2106
Unity机器学习2 ML-Agents第一个例子 上一节我们安装了机器学习mlagents的开发环境，本节我们创建第一个例子，了解什么是机器学习。 我们的例子很简单，就是让机器人自主移动到目标位置，不能移动到地板范围外。 机器学习的过程 MLAgents机器强化学习的过程（reinforcement learning） observation - 监视 decision - 决策 action - 行动 reward - 奖罚 这4个步骤的翻译可能不是很准确，大概就是先观察，后决策，然后行动，最后奖罚。
unity应用开发实战案例_盘点2017｜Unity十大案例教程集锦
weixin_39980082的博客
12-22 2438
今天为大家盘点过去一年中，Unity官方微信平台上分享的十大精品实例教程，帮助大家更好地使用Unity进行开发。1手把手教你做一款《愤怒的小鸟》《愤怒的小鸟》曾经是非常受全球玩家喜欢的移动的游戏，本篇文章将为大家详细介绍如何使用Unity重现这款经典游戏啊。案例中所使用到的背景图片、石头、小鸟等资源均来自Asset Store资源商店的2D Sprites Pack。涉及到的功能包括2D物理、2D...
unity ML-Agents
07-11
Unity ML-Agents (Machine Learning Agents) 是由 Unity Technologies 开发的一套用于训练智能代理的开源工具包。它结合了 Unity 强大的游戏引擎和机器学习技术，使开发者能够在虚拟环境中训练智能代理来解决各种任务。 ML-Agents 可以用于训练各种类型的智能代理，包括游戏角色、机器人、虚拟角色等。开发者可以通过定义智能代理的感知、决策和行动能力，并使用强化学习算法来训练代理进行任务。ML-Agents 提供了一系列工具和接口，方便开发者进行训练和评估智能代理的性能。 使用 Unity ML-Agents，开发者可以快速构建并训练智能代理，以解决各种复杂的任务，如控制多个角色的协作、自动驾驶、物理模拟等。ML-Agents 还支持分布式训练，可以在多台机器上进行并行训练，加速训练过程。 总之，Unity ML-Agents 提供了一个强大且易用的工具包，使开发者能够利用机器学习技术训练智能代理，为游戏和虚拟环境带来更加智能和逼真的交互体验。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

仙魁XAN

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值