Aprendizado de máquina
Na Unity, buscamos maximizar o impacto transformador do Aprendizado de Máquina para pesquisadores e desenvolvedores. Nossas ferramentas de Aprendizado de Máquina, combinadas com a plataforma Unity, promovem a inovação. Para fortalecer ainda mais a comunidade de Aprendizado de Máquina, disponibilizamos um fórum onde pesquisadores e desenvolvedores podem trocar informações, compartilhar projetos e apoiar-se mutuamente para avançar no campo.
Descubra o que faz Unity na área de Aprendizado de Máquina.
Baixar ML-AgentbaixarCompreenda o verdadeiro potencial da IA
Unity ML-Agents oferece uma maneira flexível de desenvolver e testar novos algoritmos de IA de forma rápida e eficiente em uma nova geração de robótica, jogos e mais.
Dr. Danny Lange, vice-presidente de IA e Aprendizado de Máquinas da Unity Technologies, ex-chefe de Aprendizado de Máquinas em Uber e Amazon.
Unity Machine Learning Agents beta
Unity Machine Learning Agents, a primeira oferta de produtos de aprendizado de máquinas da Unity, forma agentes inteligentes com métodos de aprendizado de reforço e métodos evolutivos através de uma simples API Python, que permite:
- Aos pesquisadores acadêmicos estudar comportamentos complexos em conteúdo visual e física realista
- Aos pesquisadores industriais e empresariais implementar regimes de treinamento paralelo em larga escala para robótica, veículos autônomos e outras aplicações industriais
- Aos desenvolvedores de jogos superar desafios, nomeadamente usando agentes para ajustar dinamicamente o nível de dificuldade do jogo
Arthur Juliani, Engenheiro de Aprendizado de Máquina Unity, fala sobre a história e o potencial dos agentes de Aprendizado de Máquina.
Vencedores da competição comunitária ML-Agents
Metal Warfare é um jogo de estratégia em tempo real (RTS) desenvolvido para fins de entretenimento e educação. A perspectiva educacional é focada em inteligência artificial (IA) e aprendizado de máquina (ML), que permite ao jogador projetar ou programar IA e, assim, realizar ML.
Inspirado pelo gênero stealth, este projeto foi desenvolvido para treinar um ML-Agente a se esconder com sucesso de uma IA tradicional, patrulhando de sala em sala. Uma segunda variante foi criada para treinar o agente para uma IA mais rápida usando o aprendizado do programa.
É uma versão IA de Unity, treinada com ML-agents, de um joguinho que se popularizou recentemente no App WeChat na China: o jogador precisa saltar para a próxima caixa sem cair no chão. Levou apenas duas horas para treinar a IA a jogar muito bem.
Um carro com apenas uma câmera aprende a dirigir com RL
- Processamento da imagem da câmera detectando as bordas da pista
- Construção de um modelo baseado em PPO usando a imagem da borda como entrada
- Treino em pista curta para 200 eps
- Treino em pista longa para 200 eps
- Após o teste, aja deterministicamente
O projeto SpaceY mostra como Unity Machine Learning Agents podem ser usados para ensinar um foguetão a decolar de um planeta e depois voar e pousar em outro.
É um ambiente do veículo com objetos estáticos. O veículo deve escapar das pilhas de pneus (- recompensa) e obter estrelas (+ recompensa), e só pode se mover na direção lateral (3 ações -> esquerda, direita, manter).
As ondas do mar devem mudar para permitir que o navio à deriva vença os obstáculos e os leve ao seu destino. No entanto, o controle do mar mostrou-se muito difícil até para os seres humanos. Parece que as ondas são imprevisíveis, mas a IA aprendeu a controlá-las!
A apresentação tem como objetivo automatizar o café da manhã, com um Machine Learning Agent virando uma panqueca de uma frigideira para um prato, e o "Pass the Butter Robot" de Rick e Morty desviando dos obstáculos para entregar manteiga.
Este projeto usa agentes ML para estabilizar a rotação de satélites em um eixo. A IA controla dois motores de satélite que podem ser ligados ou desligados. A sessão começa com um satélite rotativo. Demorou duas horas para que os agentes do ML atingissem seu objetivo de estabilizar o satélite.
Acima de cada agente há uma estimativa de valor, correspondente à futura recompensa esperada pelo agente. Quando o agente certo perde a bola, a estimativa de valor cai para zero, já que espera que o episódio termine em breve, resultando em nenhuma recompensa adicional.
A função das recompensas
Diversos cenários de formação são possíveis com Unity ML-Agents, dependendo de como os agentes, os cérebros e as recompensas são conectados. Estes incluem: Agente Único, Agente Único Simultâneo, Agente Multi-Agente Cooperativo e Competitivo e Ecossistema.
Este exemplo de tênis mostra uma função de recompensas “Adversarial Self-Play”. Dois agentes que interagem com funções de recompensa inversa ligadas a um único cérebro. Nos jogos de dois jogadores, o jogo de um agente pode permitir que este melhore substancialmente as suas competências jogando contra o adversário ideal: ele próprio.
Do blog
O seu trabalho de sonho está na Unity?
Unity democratiza o desenvolvimento de jogos com ferramentas que ajudam os desenvolvedores a criar jogos e experiências imersivas, trabalhar de forma mais produtiva e conectar-se a milhões de usuários em várias plataformas. A engine Unity atinge quase 3 bilhões de dispositivos em todo o mundo.
Atualmente, estamos buscando engenheiros excepcionais para construir a plataforma de Aprendizado de Máquina da próxima geração para desenvolvedores da Unity. Trabalhando em estreita colaboração com uma equipe estelar de engenheiros e cientistas, você colocará o Aprendizado de Máquina e a IA a trabalhar para Unity e para o resto do mundo.
Veja as vagas de Aprendizado de Máquinas
Procure nossas vagas em Aprendizado de Máquinas
Ir para carreiras