Machine Learning, o aprendizaje automático o de máquinas
En Unity, tenemos como objetivo maximizar el impacto transformador de Machine Learning tanto para los investigadores como para los desarrolladores. Nuestras herramientas de Machine Learning, en combinación con la plataforma de Unity, promueven la innovación. Para fortalecer aún más la comunidad Machine Learning, ofrecemos un foro en el que los investigadores y desarrolladores pueden intercambiar información, compartir proyectos y brindarse apoyo mutuo para lograr avances en el campo.
Descubre en qué está Unity en el área de Machine Learning.
Descargar ML-AgentsComprender el verdadero potencial de la IA
ML-Agents de Unity ofrece una forma flexible de desarrollar y probar nuevos algoritmos de IA de manera rápida y eficiente en una nueva generación de robótica, juegos y mucho más.
Dr. Danny Lange, VP de IA y Machine Learning de Unity Technologies, exjefe de Machine Learning en Uber y Amazon.
Agentes de Unity Machine Learning beta
Unity Machine Learning Agents, la primera oferta de productos de machine learning o aprendizaje automático o de máquinas, capacita a agentes inteligentes con métodos que refuerzan su aprendizaje y de enfoque evolutivo a través de una sencilla Python API, que hace posible lo siguiente:
- Los investigadores académicos estudian los comportamientos complejos del contenido visual y la física realista
- Los investigadores industriales y corporativos implementan programas de capacitación paralelos a gran escala para robótica, vehículos autónomos y otras aplicaciones industriales.
- Los desarrolladores de juegos afrontan retos como el uso de agentes para ajustar el nivel de dificultad de un juego de manera dinámica
Arthur Juliani, Ingeniero de Machine Learning (Aprendizaje Automático) de Unity, habla sobre los antecedentes y el potencial de los agentes del Machine Learning.
ML-Agents Community Challenge Winners
Metal Warfare is a Real-time strategy (RTS) game designed for both Entertainment and Education purpose. The education perspective will be on Artificial Intelligence (AI) and Machine Learning (ML), that allow player to design or script AI and may do ML on it.
Inspired by the stealth genre, the project was designed to train an ML Agent to successfully run and hide from a traditional AI which patrols from room to room. A second variation was created to train against a faster AI by utilizing curriculum learning.
It is a Unity AI version, trained with ml-agents, of a little game which is recently popular on WeChat App in China, aiming to make the player jump to next box and never fall down to the ground. It only took two hours to train the AI to play very well.
Autocar with only camera learns to drive using pure RL.
- Process the camera image by detecting lane edges
- Build a model using PPO taking the edge image as input
- Train on a short track for 200 eps
- Train on a long track for another 200 eps
- Upon testing, act deterministically
SpaceY project demonstrates how Unity Machine Learning Agents can be used to teach a rocket to take off from one planet, then fly and land on another one.
This is a vehicle environment with static objects. The vehicle should evade tire piles (- reward) and get stars (+ reward), and it can only move in the lateral direction (3 actions -> left, right, keep).
The sea waves should change so as to bring the drifting ship to the target, overcoming obstacles. However, control over sea waves proved to be very difficult even for people. It seems that wave changes are unpredictable, but AI has learned how to control them!
The submission aims to automate breakfast, with one Machine Learning Agent flipping a pancake from a pan to a plate, and the “Pass the Butter Robot” from Rick and Morty dodging obstacles to deliver butter.
Para cada agente hay un cálculo de valor, que se corresponde con la expectativa de recompensa futura que tiene el agente. Cuando el agente correcto pierde la pelota, el cálculo de valor cae a cero, ya que espera que el episodio termine pronto, por lo que no hay ninguna recompensa adicional.
La función de recompensas
Con los Agentes ML de Unity, se abre la posibilidad de diversos escenarios de entrenamiento, dependiendo de la forma en que se conectan los agentes, cerebros y recompensas. Algunas de ellas son: Agente Único, Agente Único Simultáneo, Multiagente Cooperativo y Competitivo y Ecosistema.
Este ejemplo del tenis muestra una función de recompensas en un juego de adversarios para un solo jugador. Dos agentes interactivos con funciones de recompensa inversas vinculados a un solo cerebro. En los juegos de dos jugadores, el juego de adversarios para un solo jugador le permite a un agente adquirir cada vez más destrezas, teniendo siempre al oponente perfecto: él mismo.
Del blog
¿Tu trabajo ideal está en Unity?
Unity democratiza el desarrollo de juegos con herramientas que ayudan a los desarrolladores a crear juegos y experiencias inmersivas, a trabajar de forma más productiva y conectarse con millones de usuarios de múltiples plataformas. El motor Unity llega a casi 3 mil millones de dispositivos en todo el mundo.
Actualmente estamos en la búsqueda de ingenieros excepcionales para la creación de la plataforma de Machine Learning de última generación para los desarrolladores de Unity. Trabajando en estrecha colaboración con un equipo estelar de ingenieros y científicos, pondrás a funcionar el Machine Learning y AI para Unity–y para el resto del mundo.
Mira las ofertas de trabajo de Machine Learning
Explora nuestros puestos vacantes en Machine Learning.
Ir a Carreras¿No ves un puesto pertinente?
Recibimos solicitudes de trabajo que partan de tu propia iniciativa.
Postule