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.
Ganadores del desafío para la comunidad ML-Agents
Metal Warfare es un juego de estrategia en tiempo real (RTS) diseñado con fines recreativos y educativos. La perspectiva educativa está en la Inteligencia Artificial (AI) y el Aprendizaje Automático (ML), que le permite al jugador diseñar o crear un script con AI y la posibilidad de aplicar el ML dentro de ese concepto.
Inspirado en el género de los videojuegos de stealth o sigilo, el proyecto fue diseñado para enseñar a un Agente ML a lograr huir y esconderse de un AI tradicional que patrulla habitación por habitación. Se creó una segunda variación para enseñar al agente a enfrentarse a un AI más rápido utilizando el aprendizaje curricular.
Se trata de un versión de Unity AI, con ml-agents, de un pequeño juego de reciente popularidad en la aplicación WeChat en China, cuyo objetivo es hacer que el jugador salte a la siguiente caja y nunca caiga al piso. Tomó solo dos horas enseñar al agente de AI a jugar muy bien.
Autocar con solo cámara aprende a manejar utilizando únicamente el aprendizaje por refuerzo (RL).
- Procesa la imagen de la cámara detectando los bordes del carril
- Construye un modelo utilizando PPO, tomando la imagen del borde como entrada
- Enseña en una pista corta para 200 eps
- Enseña en una pista larga para otros 200 eps
- Al ser sometido a prueba, actúa de forma determinista
El proyecto SpaceY demuestra la forma en que puede utilizarse Unity Machine Learning Agents para enseñarle a un cohete a despegar de un planeta para luego volar y aterrizar en otro.
Se trata de un entorno de vehículo con objetos estáticos. El vehículo debe evadir tres pilas de neumáticos (- recompensa) y obtener estrellas (+ recompensa), y solo puede moverse en dirección lateral (3 acciones -> derecha, izquierda, mantenerse).
Las olas del mar deben cambiar para que el barco a la deriva llegue a su destino, superando los obstáculos. Sin embargo, el control de las olas del mar resultó ser muy difícil, incluso para la gente. Parece que el cambio en el oleaje es imprevisible, pero la AI ha aprendido a controlarlo.
La presentación tiene como objetivo automatizar el desayuno; en ella, un agente de aprendizaje automático (Machine Learning Agent) tira un panqueque de una sartén a un plato, y el "robot que pasa la mantequilla" de Rick and Morty elude obstáculos para entregar la mantequilla.
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