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.
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.
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