Unity hat am 19. September 2017 das Machine Learning Agents Toolkit als offene Beta veröffentlicht. Spiele und Simulationen aus dem Unity Editor können damit als Trainingsumgebungen für lernende Agenten dienen. Zum Start liegt der Schwerpunkt laut Unity auf der Forschung.
Der Quellcode ist offen verfügbar. Die historische Repository-Dokumentation beschreibt eine Python-Schnittstelle, diskrete und kontinuierliche Aktionen sowie Beobachtungen über mehrere Kameras. Beispielumgebungen und Trainingsalgorithmen liegen in getrennten Verzeichnissen.
Agent, Brain und Academy steuern die Umgebung
Ein Agent liefert Beobachtungen, führt Aktionen aus und erhält Belohnungen. Ein Brain legt den Zustands- und Aktionsraum sowie die Entscheidungslogik fest. Eine Academy bündelt die Szene und steuert unter anderem Episodenlänge und Frameskip.
Das offizielle Einführungsvideo gehört zur Vorstellung des Toolkits. Trainierte Modelle können über TensorFlowSharp eingebunden werden; die Dokumentation kennzeichnet diesen Weg als experimentell. Imitation Learning war in der Ankündigung erst für eine spätere Ausgabe vorgesehen.
Die zuvor veröffentlichte Unity-Version 5.6 hatte Rendering und Produktionswerkzeuge erweitert. ML-Agents ergänzt die Engine um Trainingsabläufe, ohne die Qualität eines bestimmten NPC-Verhaltens zu garantieren.
Archivhinweis: Beschrieben ist die erste öffentliche Beta von 2017. Die verlinkte Repository-Fassung stammt vom 18. September; heutige APIs können davon abweichen.