设计训练环境【ML-Agents 官方文档翻译（ML-Agent 1.9.1，Unity 2018-2020）】

Designing a Learning Environment

本节将介绍设计学习环境的一般性建议，概述 ML-Agents Unity SDK 中关与场景设置相关的方面。
关于 Agent 设计将在 Designing Agents 章节中专门阐述（包含设计Agent，观测，行为和奖励，为Multi-Agent场景定义团队和模仿学习），不在本节做详细介绍。

为了帮助理解 ML-Agents Toolkit 提供的全部功能，建议查阅 API documentation。
此外，我们的 example environments 中也有许多不错的资源，
这些示例提供了 ML-Agents Toolkit 几乎所有特性的示例用法。

The Simulation and Training Process

训练和模拟将按照 ML-Agents 中 Academy 类设定的步骤进行。
Academy 协同场景中的 Agent，逐步进行模拟。

训练过程中，外部的 Python 训练进程与 Academy 通信，在 Episode 逐次执行的同时收集数据并优化其神经网络模型参数。
当训练完成后，你可以将训练得到的模型文件添加到 Unity 项目中供后续的推理阶段使用。

ML-Agents Academy 类协同 Agent 模拟执行逻辑如下：

1. 调用 Academy 的 OnEnvironmentReset 委托。
2. 调用场景中每个 Agent 的 OnEpisodeBegin() 函数。
3. 通过调用场景中每个 Agent 的 CollectObservations(VectorSensor sensor) 函数，收集有关场景的信息。
   更新他们的 Sensor 并收集观测向量。
4. 根据每个 Agent 的策略决定他们下一步的动作。
5. 调用每个 Agent 的 OnActionReceived() 函数，传递 Agent 根据策略选择的动作。
6. 如果已经到达了设定的 Max Step 或 Agent 将自身标记为 EndEpisode()，
   则调用 Agent 的 OnEpisodeBegin() 函数。

创建一个训练环境（Environment），需要扩展 Agent 类并根据训练环境实现上述函数。

Organizing the Unity Scene

在 Unity 场景中训练和使用 ML-Agents Toolkit，需要根据场景中需要多少不同的 Agent 派生相应个数的 Agent 子类。
Agent 实例应该附加到该 Agent 所代表的 GameObject 上。

Academy

Academy 是一个单例类，协调 Agent 和其决策过程。
同一时间只有同一个 Academy 实例存在。

Academy resetting

将自定义的函数注册到 Academy 的 OnEnvironmentReset 事件中，可以在每个 Episode 开始时调整训练环境。

public class MySceneBehavior : MonoBehaviour
{
    public void Awake()
    {
        Academy.Instance.OnEnvironmentReset += EnvironmentReset;
    }

    void EnvironmentReset()
    {
        // Reset the scene here
    }
}

比如，你可以将 Agent 放置到其起始位置或将目标移动到随机位置。
当在 Python 中调用 UnityEnvironment 类的 reset() 方法时，环境将重置。

重置时应该适当的改变训练环境，以适应不同的情况。
例如训练一个解迷宫的 Agent，训练过程中每个 Episode 都应该更改迷宫本身。
否则，无法训练出通用的解谜宫 Agent，只能学会解决某个特定的迷宫。

Multiple Areas

在示例环境中，可以看到场景中实例化了多个训练区域。
这通常可以加快训练速度，同时收集多个训练区域的数据。
多个训练区域是通过实例化多个具有相同 Behavior Name 的 Agent 来实现的。
所以，如果可能的话，在设计应当考虑让场景支持多个区域。

查看示例，可以看到多训练区域的实际使用。
此外，Making a New Learning Environment 也演示了其使用方法。

Environments

若要在 Unity 中创建训练环境，必须先搭建一个场景，以便场景能够被 Python 的训练进程控制。
搭建场景的注意事项包括：

• 开始训练时，Unity 训练场景必须能够自动启动。
• 对于训练时的每个 Episode，Academy 都必须重置场景的有效起始点。
• Episode 必须有一个明确的结尾 —— 要么设置 Max Steps，要么调用 Agent 的 EndEpisode() 手动结束。

Environment Parameters

课程式学习（Curriculum Learning）和环境参数随机化（Environment Parameter Randomization）是控制环境中特定参数的两种训练方法，确保在每一步都将环境参数更新为正确的值是很重要的。
为此，我们公开了一个名为 EnvironmentParameters 的 C# 类，用于检查这些训练配置中定义的参数值。
请参阅我们的 文档 了解课程式学习（Curriculum Learning）和环境参数随机化（Environment Parameter Randomization）的详细内容。

我们建议利用 Academy.Instance.EnvironmentParameters 从 Agent 的 OnEpisodeBegin() 函数中修改环境。
参见 WallJump 示例中的展示用法（位于 WallJumpAgent.cs）

Agent

Agent 类表示场景中的某个 Actor，它能收集观测（Observation）并做出动作（Action）。
Agent 类通常挂在场景中代表了参与者的 GameObject 上 —— 例如，足球游戏中的球员或驾驶模拟中的汽车。
每个 Agent 都必须有适当的 Behavior Parameters。

通常，创建一个 Agent 时，应该继承 Agent 类并实现 CollectObservations(VectorSensor sensor) 和 OnActionReceived() 方法：

• CollectObservations(VectorSensor sensor) 收集 Agent 对环境的观测。
• OnActionReceived() 执行 Agent 根据策略选择的动作，并给当前状态分配一个奖励。

Agent 的 Behavior Parameters 属性的配置，取决于这些函数如何实现。

同时还必须确定 Agent 是否完成任务或超时。
当 Agent 已经完成任务（或不可挽回地失败）时，可以在 OnActionReceived() 函数中调用 EndEpisode()，手动终止当前 Episode。
也可以将Agent的 Max Steps 属性设置为一个正数，这样 Agent 就会在完成这么多步骤的模拟后结束 Episode。
您可以使用 Agent.OnEpisodeBegin() 函数为再次启动 Agent 做好准备。

请参阅 Agents 以获得关于设计和编码自己的 Agent 的详细指导。

Recording Statistics

我们为开发者提供了一种机制来记录 Unity 环境中的统计数据。
这些统计数据是在训练过程中汇总和生成的。
要记录统计数据，请参阅 C# 的 StatsRecorder 类。

参见 FoodCollector 示例以了解用法（位于FoodCollectorSettings.cs）。