Oyun ünlüleri Unity, NPC'lerin "IQ'larını" büyük ölçüde iyileştirebilen makine öğrenimi araçlarını yayınladı
Annie derleyin ve organize edin
Qubit Üretildi | Genel Hesap QbitAI
Oyun dünyasına hoş geldiniz.
Unity'yi duymadıysanız sorun değil. Glory of Kings, Monument Valley, Temple Escape 2, Pokémon GO gibi oyunlara aşina olmalısınız. Evet, Unity onların oyun motorudur.
Bugün Unity, oyun motorlarını Google TensorFlow gibi makine öğrenimi çerçevelerine bağlayan Unity Machine Learning Agent'ın (ML-Agent) piyasaya sürüldüğünü duyurdu. Derin pekiştirmeli öğrenme algoritmaları sayesinde, oyuncu olmayan karakterler (NPC) sürekli deneme yanılma yoluyla daha yaratıcı ve stratejik hale gelebilir.
Oyun geliştirme sürecinde, ne oyuncuların çok basit olduğu için sıkılmasına, ne de zorluktan oyunculara olan ilgisinin kaybolmasına izin vermez. Unity geliştiricisi Arthur Juliani, Unity'nin ML-Agent'ın oyunun oynanabilirliğini artırmaya yardımcı olacağını söyledi.
Unity mühendisleri, ML-Agent'ın oyun geliştirmedeki önemini anlatıyor
Geçmişte geliştiricilerin, eğitim ortamındaki etkileşimin Aracıyı kademeli olarak eğitmesine izin vermek için kodu manuel olarak yazmaları gerekiyordu.Tipik bir senaryo, tek bir ortam + sıkıca bağlı bir Aracıdır. Temsilcinin eylemi, ortamın durumunu değiştirir ve çevre, aracıya çeşitli ödülleri geri verir.
Tipik pekiştirmeli öğrenme eğitim döngüsü
Unity, oyun motorunu daha esnek ve kullanımı kolay hale getirmek için bir sistem tasarlamayı umuyor. Bu nedenle Unity, ML-Agent'ları başlattı ve bir açık beta SDK yayınladı. ML-Agents SDK, geliştiricilerin Python API'yi kullanarak Unity Editor'da oluşturulan oyunları ve simülasyon senaryolarını derin güçlendirme öğrenme, evrimsel stratejiler veya diğer makine öğrenimi yöntemleriyle eğitilebilecek bir ortama dönüştürmesine olanak tanır.
ML-Agent'larda öğrenme ortamının görsel açıklamasını yapılandırın
Herhangi bir öğrenme ortamı için Ajan, Beyin ve Akademi üç temel nesnedir.
Her temsilci benzersiz bir duruma ve gözlem değerine sahip olabilir ve bağımsız olarak ortamda eylemlerde bulunabilir ve ödüller alabilir. Ajanın eylemi, ilişkili beyin tarafından belirlenir Her beyin, belirli bir durumu ve eylem alanını tanımlar ve ilgili ajanın hangi eylemleri yapacağına karar vermekten sorumludur. Bundan sonra Brain, motor konfigürasyonu, kare atlama kontrolü ve sahne uzunluğu gibi ortamın kapsamını tanımlayarak, bilgileri Akademi'de özetledi.
Farklı Agent, Brain ve ödül bağlantı yöntemleri farklı senaryolar oluşturabilir.Bu nedenle, Unity'nin ML-Agent'ları çeşitli eğitim senaryolarının kilidini açabilir. Agent eğitiminde yeni olanlar için Unity, tipik bir ortam konfigürasyonu örneği sağlar ve ML-Agents SDK ile nasıl oluşturulacağını açıklar.
Unity, resmi blogunda farklı senaryolarda bazı eğitim örnekleri gösterdi. Bir eğitim döneminden sonra, Temsilcinin performansı inanılmaz:
Agent'ı 30 saniye içinde 3B denge topu oynaması için eğitin
Unity oyun motoru, nesne dokuları, ışık efektleri ve malzemeler gibi gerçek sahneleri yüksek hassasiyetle simüle edebilir. Unity AI ve Makine Öğrenimi Teknolojisi Departmanı başkan yardımcısı Danny Lange, bir röportajda Unity'nin ML-Agent'larının rolünün sanal oyunlarla sınırlı olmadığını ve gerçek hayatta robotlar gibi teknolojilerin ilerlemesini hızlandıracağını söyledi. Örneğin, otonom sürüş endüstrisi için, bilgisayar tarafından oluşturulan ancak gerçekçi bir sanal ortamda daha gerçekçi bir şekilde eğitilebilirler.
Son olarak, resmi Unity blogunun tanıtımıyla:
https://blogs.unity3d.com/cn/2017/09/19/introducing-unity-machine-learning-agents/
Ve ML-Agent GitHub kodu:
https://github.com/Unity-Technologies/ml-Agents
İyi eğlenceler dilerim ~
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
