| <img src="docs/images/unity-wide.png" align="middle" width="3000"/> | |
| # Unity ML-Agents 工具包(Beta) v0.3.1 | |
| **注意:** 本文档为v0.3版本文档的部分翻译版，目前并不会随着英文版文档更新而更新。若要查看更新更全的英文版文档，请查看[这里](https://github.com/Unity-Technologies/ml-agents)。 | |
| **Unity Machine Learning Agents** (ML-Agents) 是一款开源的 Unity 插件， | |
| 使得我们得以在游戏环境和模拟环境中训练智能 agent。您可以使用 reinforcement learning（强化学习）、imitation learning（模仿学习）、neuroevolution（神经进化）或其他机器学习方法， 通过简单易用的 Python API进行控制，对 Agent 进行训练。我们还提供最先进算法的实现方式（基于 | |
| TensorFlow），让游戏开发者和业余爱好者能够轻松地 | |
| 训练用于 2D、3D 和 VR/AR 游戏的智能 agent。 | |
| 这些经过训练的 agent 可用于多种目的， | |
| 包括控制 NPC 行为（采用各种设置， | |
| 例如多个 agent 和对抗）、对游戏内部版本进行自动化测试、以及评估不同游戏设计决策的预发布版本。ML-Agents 对于游戏开发者和 AI 研究人员双方 | |
| 都有利，因为它提供了一个集中的平台， | |
| 使得我们得以在 Unity 的丰富环境中测试 AI 的最新进展， | |
| 并使结果为更多的研究者和游戏开发者所用。 | |
| ## 功能 | |
| * 用于控制 Unity 环境的 Python API | |
| * 10 多个示例 Unity 环境 | |
| * 支持多种环境配置方案和训练方案 | |
| * 使用 deep reinforcement learning（深度强化学习）技术训练带记忆的Agent | |
| * 可轻松定义的 Curriculum Learning（课程学习）方案 | |
| * 通过广播 Agent 行为实现监督学习 | |
| * 内置 Imitation Learning（模仿学习）支持 | |
| * 通过按需决策功能实现灵活的 Agent 控制 | |
| * 在环境中可查看神经网络的输出 | |
| * 通过 Docker 实现简化设置（测试功能） | |
| ## 文档和参考 | |
| **除了安装和使用说明外，如需更多信息， | |
| 请参阅我们的[文档主页](docs/Readme.md)。**如果您使用的 | |
| 是 v0.3 之前的 ML-Agents 版本，强烈建议您参考 | |
| 我们的[关于迁移到 v0.3 的指南](/docs/Migrating.md)。 | |
| 我们还发布了一系列与 ML-Agents 相关的博客文章： | |
| - reinforcement learning（强化学习）概念概述 | |
| ([多臂强盗](https://blogs.unity3d.com/2017/06/26/unity-ai-themed-blog-entries/) | |
| 和 [Q-learning](https://blogs.unity3d.com/2017/08/22/unity-ai-reinforcement-learning-with-q-learning/)) | |
| - [在实际游戏中使用机器学习 Agent：初学者指南](https://blogs.unity3d.com/2017/12/11/using-machine-learning-agents-in-a-real-game-a-beginners-guide/) | |
| - [文章](https://blogs.unity3d.com/2018/02/28/introducing-the-winners-of-the-first-ml-agents-challenge/)公布我们 | |
| [第一个 ML-Agents 挑战](https://connect.unity.com/challenges/ml-agents-1)的获胜者 | |
| - [文章](https://blogs.unity3d.com/2018/01/23/designing-safer-cities-through-simulations/) | |
| 概述如何利用 Unity 作为模拟器来设计更安全的城市。 | |
| 除了我们自己的文档外，这里还有一些额外的相关文章： | |
| - [Unity AI - Unity 3D 人工智能](https://www.youtube.com/watch?v=bqsfkGbBU6k) | |
| - [游戏开发者学习机器学习](https://mikecann.co.uk/machine-learning/a-game-developer-learns-machine-learning-intent/) | |
| - [在 Intel 体系结构上单独研究 Unity Technologies ML-Agents](https://software.intel.com/en-us/articles/explore-unity-technologies-ml-agents-exclusively-on-intel-architecture) | |
| ## 社区和反馈 | |
| ML-Agents 是一个开源项目，我们鼓励并欢迎大家贡献自己的力量。 | |
| 如果您想做出贡献，请务必查看我们的 | |
| [贡献准则](/com.unity.ml-agents/CONTRIBUTING.md)和 | |
| [行为准则](/CODE_OF_CONDUCT.md)。 | |
| 您可以通过 Unity Connect 和 GitHub 与我们以及更广泛的社区进行交流： | |
| * 加入我们的 | |
| [Unity 机器学习频道](https://connect.unity.com/messages/c/035fba4f88400000) | |
| 与使用 ML-Agents 的其他人以及对机器学习充满热情的 Unity 开发者 | |
| 交流。我们使用该频道来展示关于 ML-Agents | |
| （在更广泛的范围内，还包括游戏中的机器学习）的最新动态。 | |
| * 如果您在使用 ML-Agents 时遇到任何问题，请 | |
| [提交问题](https://github.com/Unity-Technologies/ml-agents/issues)并 | |
| 确保提供尽可能多的详细信息。 | |
| 对于任何其他问题或反馈，请直接与 ML-Agents 团队联系， | |
| 电子邮件地址为 [email protected]。 | |
| ## 许可证 | |
| [Apache 许可证 2.0](LICENSE) | |