Машинное обучение
Мы, разработчики Unity, стремимся максимально усилить эффективность машинного обучения как для исследователей, так и для разработчиков. Наши инструменты машинного обучения в сочетании с платформой Unity многократно расширяют возможность открыть или создать что-то новое. Для того, чтобы сплотить сообщество интересующихся машинным обучением, мы создали форум, где исследователи и разработчики могут обмениваться опытом, проектами и помогать друг другу.
Будьте в курсе новостей машинного обучения Unity.
Загрузить МО-агентыОсознайте истинный потенциал ИИ
МО-агенты Unity обеспечивают гибкость, скорость и эффективность разработки и тестирования новых алгоритмов ИИ для нового поколения роботов, игр и многого другого.
Доктор Дэнни Ланж, вице-президент подразделения ИИ и машинного обучения в Unity Technologies, бывший глава подразделения машинного обучения Uber и Amazon.
Бета-версия Unity Machine Learning Agents
Unity Machine Learning Agents, первый из продуктов Unity в области машинного обучения, обучает агенты с помощью простого API на Python. Используется методика обучения с подкреплением, а также другие эволюционные методы.
- Академические исследователи получают возможность изучать сложное поведение по визуальному контенту и реалистичной физике.
- Исследователи в коммерческой сфере могут реализовать крупномасштабное параллельное обучение для роботов, автономных устройств и других приложений.
- У разработчиков игр появляется инструмент реагирования на изменения, например, путем использования агентов для динамической подстройки уровня сложности в игре.
Артур Джулиани, архитектор машинного обучения в Unity, рассказывает об истории развития и о потенциале агентов машинного обучения.
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.
У каждого агента есть оценка выгоды, соответствующая его ожиданиям относительно будущего вознаграждения. Если агенту не удается выполнить задачу, то оценка выгоды падает до нуля, поскольку агент ожидает завершения эпизода без награды.
Функция вознаграждений
Используя МО-агенты Unity, можно реализовать множество сценариев обучения в зависимости от сочетания агентов, а также алгоритмов принятия решений и вознаграждений. В состав комплекта входят одиночный агент, одновременный одиночный агент, кооперативный и конкурентный мультиагент, а также экосистема.
Данный пример игры в теннис показывает функцию вознаграждений за игру с самим собой. Два взаимодействующих агента с обратными функциями вознаграждений подключены к одному и тому же мозгу, постепенно развиваются, при этом играя с идеальным оппонентом: с самим собой.
Из блога
Ваша мечта — работать в Unity?
Unity делает инструменты для игровой разработки доступнее. Мы помогаем разработчикам создавать игры и увлекательные миры, увеличивать свою производительность и общаться с миллионами пользователей на разных платформах. Приложения на Unity используются почти на 3 миллиардах устройств по всему миру.
Мы ищем талантливых инженеров, с которыми мы создадим новое поколение платформы машинного обучения для разработчиков на Unity. Работая со звездной командой инженеров и ученых, вы будете заниматься реализацией ИИ для Unity и для всего мира.
Открытые вакансии по машинному обучению
Узнайте об открытых вакансиях по машинному обучению.
Просмотреть вакансии