Repolode
Предложить
Unity-Technologies

Unity-Technologies/ml-agents

Инструментарий с открытым исходным кодом от Unity, который позволяет обучать AI-агентов с помощью обучения с подкреплением и имитационного обучения в игровых и симуляционных средах.

Открыть на GitHubСайт
Звёзды
19,769
Форки
4,512
Открытые issues
19
Последний коммит
6 дней назад

Что это?

ML-Agents — инструментарий от Unity Technologies, превращающий сцены Unity в среды для обучения интеллектуальных агентов. Разработчики добавляют Unity SDK в игру или пользовательскую сцену, задают наблюдения, действия и награды агентов, а затем обучают их поведение через Python-слой на базе PyTorch.

В инструментарий входят алгоритмы глубокого обучения с подкреплением, такие как PPO, SAC и MA-POCA (для кооперативных и соревновательных сценариев с несколькими агентами, а также для self-play), и методы имитационного обучения — behavioral cloning и GAIL. Также поддерживаются curriculum learning, рандомизация среды и одновременный запуск нескольких экземпляров Unity. Обученные модели можно запускать в Unity с помощью Inference Engine.

Пользователи Python могут напрямую управлять средами Unity или оборачивать их в среды Gym и PettingZoo. В проект входят более 17 примеров сред; он предназначен для разработчиков игр, создающих поведение NPC или автоматизированные тесты, а также для исследователей, оценивающих методы AI в Unity.

Ключевые возможности

  • 01Поддерживает PPO, SAC, MA-POCA и self-play для обучения одного или нескольких агентов.
  • 02Предоставляет behavioral cloning и GAIL для обучения на демонстрациях.
  • 03Включает curriculum learning и рандомизацию среды.
  • 04Запускает обученные модели непосредственно в Unity через Inference Engine.
  • 05Позволяет использовать среды Unity как среды Gym и PettingZoo.
  • 06В комплект входят более 17 примеров сред Unity.

Сценарии использования

  • Обучение поведению NPC для игровых сценариев с противниками или несколькими агентами.
  • Автоматизированное тестирование игровых сборок с помощью обученных агентов.
  • Оценка решений по игровому дизайну до выпуска с помощью симуляции игрового процесса.
  • Исследование методов обучения с подкреплением на насыщенной 3D- или VR-платформе симуляции.

Темы

#reinforcement-learning#imitation-learning#unity#game-ai#multi-agent#pytorch#simulation#deep-learning#deep-reinforcement-learning#machine-learning

Частые вопросы

Что такое ml-agents?
Инструментарий с открытым исходным кодом от Unity, который позволяет обучать AI-агентов с помощью обучения с подкреплением и имитационного обучения в игровых и симуляционных средах. ML-Agents — инструментарий от Unity Technologies, превращающий сцены Unity в среды для обучения интеллектуальных агентов. Разработчики добавляют Unity SDK в игру или пользовательскую сцену, задают наблюдения, действия и награды агентов, а затем обучают их поведение через Python-слой на базе PyTorch.
ml-agents можно использовать бесплатно? Какая у него лицензия?
ml-agents распространяется с открытым исходным кодом под лицензией Other. Перед использованием в коммерческих продуктах проверьте условия лицензии.
ml-agents всё ещё поддерживается?
Активно поддерживается. Последний коммит в ml-agents — 13 окт. 2026 г..
Для чего можно использовать ml-agents?
Обучение поведению NPC для игровых сценариев с противниками или несколькими агентами. Автоматизированное тестирование игровых сборок с помощью обученных агентов. Оценка решений по игровому дизайну до выпуска с помощью симуляции игрового процесса. Исследование методов обучения с подкреплением на насыщенной 3D- или VR-платформе симуляции.
Где скачать ml-agents?
Исходный код и инструкции по установке — на GitHub: https://github.com/Unity-Technologies/ml-agents

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

TauricResearch / TradingAgents

Открытый мультиагентный LLM-фреймворк, моделирующий работу аналитиков, исследователей, трейдера и команды по управлению рисками торговой фирмы для принятия торговых решений.

ИИ и машинное обучение#agent#llm#multi-agent
111,9 тыс.21,6 тыс.PythonApache-2.0Обновлён позавчера