Unity机器学习 ML-Agents第一个例子

news2024/9/24 15:28:05


上一节我们安装了机器学习mlagents的开发环境，本节我们创建第一个例子，了解什么是机器学习。
我们的例子很简单，就是让机器人自主移动到目标位置，不能移动到地板范围外。

首先我们来简单的了解以下机器学习的过程。

机器学习的过程

MLAgents机器强化学习的过程（reinforcement learning）
observation - 监视，观察
decision - 决策
action - 行动
reward - 奖罚
这4个步骤的翻译可能不是很准确，大概就是先观察，后决策，然后行动，最后奖罚。

脚本开始
我们首先创建一个新脚本，我这里创建了MoveToTarget.cs

using System.Collections;
using System.Collections.Generic;
using UnityEngine;
using Unity.MLAgents;

public class MoveToTarget : Agent
{
    
}

机器学习的类都要要继承Agent基类。

Observation、Action（监视和行动）
我们首先通过覆写CollectObservations函数，它负责观察或者监视数据，本例是让代理（agent）观察目标target的方位。
然后覆写OnActionReceived函数，通过接受到的缓冲区的数据进行行动，这里我们要注意机器学习的算法只适用于数字，这意味着机器不知道什么是对象（object），也不知道什么是左右移动，它只负责处理数字，例如float，int类型数据。

接下来，我们在Unity中创建一个agent（代理-盒子，蓝色），target（目标-球形，黄色），还有地板plane（盒子，灰色）。如下图：


理解重要参数
在agent上添加我们的脚本MoveToTarget，这时会自动添加一个BehaviorParameters的行为参数脚本。

 
 

离散的意义

我们先来理解下离散的意义：
假如我们离散输入1，分支0输入5。
在这里插入图片描述
代码中覆写Action接收。 我们看下log，因为只有一个离散分支，所以是DiscreteActions[0]

public class MoveToTarget : Agent
{
    public override void OnActionReceived(ActionBuffers actions)
    {
        Debug.Log(actions.DiscreteActions[0]);
    }
}

因为我们覆写了行动Action，我们还需要一个请求决策。我们在agent对象上添加DecisionRequester（决策请求），参数DecisonPeriod是请求的周期。
在这里插入图片描述
接下来我们就可以执行，看输出了什么。

调试和查看输出

 首先开打cmd，让我们进入vent虚拟环境中。上一篇文章我们讲过了，就是那个MLApp\venv\Scripts\activate.bat批处理文件，确保正常是这样的。
在这里插入图片描述
然后我们输入

mlagents-learn
然后会出现一个漂亮的Unity Logo，并且告诉我们，可以开始Unity运行了。如下图：
在这里插入图片描述
Unity运行后，我们看到cmd窗口和Unity的输出已经开始了。

在这里插入图片描述

我们可以看到离散的输出，因为设置了5，这里也只有0-4。

连续类型

接下来我们测试连续型
在Unity中我们把SpaceType改为continuous。并且设置Size为1。
在这里插入图片描述
脚本也需要改为接收连续型

public class MoveToTarget : Agent
{
    public override void OnActionReceived(ActionBuffers actions)
    {
        Debug.Log(actions.ContinuousActions[0]);
    }
}

我们继续开始运行，在cmd中输入mlagents-learn
这时我们会得到一个报错：
在这里插入图片描述

是因为我们重试使用了相同的默认ID进行再次训练，这里我们要么使用mlagents-learn --force来强制覆盖学习，要么更换ID，mlagents-learn --run-id=test2。

那么虚拟环境开启后，我们运行Unity。
运行后，我们得到的log如下：
在这里插入图片描述

我们看到了，连续的就是-1到1的浮点数。到这里我们就了解了离散和连续的区别了。

监视和行动代码
下面我们将继续完善脚本，收集监视信息。
我们需要覆写CollectObservations(VectorSensor sensor)函数。这个函数你可以理解成AI，就是人工智能需要哪些数据才能解决你的问题。在本例中，我们希望盒子（agent）对象移动到球（target）对象的位置。我们思考以下，我们需要知道的数据有哪些？


 如果你想agent能够移动到目标，是不是需要知道agent在哪，target在哪，所以要知道两个目标的位置，所以我们通过传感器把坐标传入监视。所以代码里我们把两个物体的坐标位置传递给观察器。

	[SerializeField] Transform targetTfm;	
    public override void CollectObservations(VectorSensor sensor)
    {
        sensor.AddObservation(transform.position);
        sensor.AddObservation(targetTfm.transform.position);
    }

行动里，actions就是（decision - 决策）的结果，我们根据决策数据进行行动。

	//行动
	float moveSpd = 10f;
    public override void OnActionReceived(ActionBuffers actions)
    {
        float moveX = actions.ContinuousActions[0];
        float moveZ = actions.ContinuousActions[1];
        transform.position += new Vector3(moveX, 0f, moveZ) * Time.deltaTime * moveSpd;
    }

 因为我们给观察函数的信息是两个坐标，相当于6个float类型，所以Vector Observations 的 SpaceSize需要填写6。而行动，我们只需要移动agent的x和z轴，所以Vector Action的SpaceSize填写2。
在这里插入图片描述

如何让机器学习
你可以把机器学习看成是训练小狗，如果小狗完成了指定动作，你可以给它骨头。反之，给予惩罚。
在本例中，我们在地板周围围上4面墙体。我们判断如果它移动到墙就扣分，如果移动都目标就加分，我们在Unity里给Plane围上4个wall。我们添加墙体，并勾选墙体和target 的Collider的IsTrigger，方面我们进行一个触发处理。

 

添加奖励模块脚本

	private void OnTriggerEnter(Collider other)
    {
        Debug.Log("OnTriggerEnter："+other.name);
        if (other.name.Equals("target"))
        { 
            AddReward(+1f); //奖励
            EndEpisode();   //结束经历
            plane.material.color = Color.green;
            Debug.Log("奖励");
        }
        else if (other.name.Equals("wall"))
        {
            AddReward(-1f); //惩罚
            EndEpisode();   //结束
            plane.material.color = Color.grey;
            Debug.Log("惩罚");
        }
    }

上面的代码中，如果碰到了target，我们调用AddReward +1，并结束本段AI，让plane的颜色变为绿色，反之如果碰到了wall，那么就AddReward -1，plane变成灰色。

回合结束处理
每当得到奖励或者惩罚，会调用EndEpisode。当本段落结束后我们希望它继续训练，我们需要把agent对象重新复位，我们要覆写函数OnEpisodeBegin。
 

    //当一段经历开始
    public override void OnEpisodeBegin()
    {
        transform.position = Vector3.zero;
        Debug.Log("经历开始");
    }

运行mlagent虚拟机后我们运行unity，可以看到机器已经开始学习如何跑到target的位置了，刚开始很艰难，常常碰到墙壁，慢慢的碰到target的概率会越来越大。
效果如下：
请添加图片描述

运行过程中，可能开始agent对象很笨，基本原地打转，经过长周期的运行会越来越快的找寻到target。

几个参数

这里有几个点要说明

MaxStep（最大步）

在这里插入图片描述

这里的MaxStep是一段（Episode）最大步数，如果我们不想每次运行尝试步数太长，可以给一个数值，你可以尝试1000，10000这样的数字，到达这个后，会重新进入OnEpisodeBegin。设置的目的是如果代理一直运行都没有碰到过target，只是躲避了wall，那么可能达不到我们训练的目的。

Heuristic （启发）
这个我的理解是通过你的控制来测试你的运行逻辑是否正确。属于一个调试功能。
 

//启发
    public override void Heuristic(in ActionBuffers actionsOut)
    {
        ActionSegment<float> continuousActions = actionsOut.ContinuousActions;
        continuousActions[0] = Input.GetAxisRaw("Horizontal");
        continuousActions[1] = Input.GetAxisRaw("Vertical");
    }

我们可以修改agent的BehaviorParameters的BehaviorType为Heuristic（启发），然后运行Unity就可以控制agent。模拟机器是否遇到target和wall会复位，进行调试。

机器学习加快的办法
还有一个机器学习加速的办法，那就是把当前的训练场景复制很多个，让他们同时运行来达到机器训练加速的目的，我们可以把场景和脚本稍加修改。如下：
 

我们需要修改脚本，把原来的position改为localPosition。因为这样很容易复用我们的代码，并且只用复制几个图中的ground就可以了。

全代码如下：

using System.Collections;
using System.Collections.Generic;
using UnityEngine;
using Unity.MLAgents;
using Unity.MLAgents.Actuators;
using Unity.MLAgents.Sensors;

public class MoveToTarget : Agent
{
    [SerializeField] Transform targetTfm;
    [SerializeField] Renderer plane;
    float moveSpd = 30f;
    //通过传感器把坐标传入监视
    public override void CollectObservations(VectorSensor sensor)
    {
        sensor.AddObservation(transform.localPosition);
        sensor.AddObservation(targetTfm.transform.localPosition);
    }

    //行动接收
    public override void OnActionReceived(ActionBuffers actions)
    {
        float moveX = actions.ContinuousActions[0];
        float moveZ = actions.ContinuousActions[1];
        transform.localPosition += new Vector3(moveX, 0f, moveZ) * Time.deltaTime * moveSpd;
    }

    //当一段经历开始
    public override void OnEpisodeBegin()
    {
        transform.localPosition = Vector3.zero;
        Debug.Log("经历开始");
    }

    //启发
    public override void Heuristic(in ActionBuffers actionsOut)
    {
        ActionSegment<float> continuousActions = actionsOut.ContinuousActions;
        continuousActions[0] = Input.GetAxisRaw("Horizontal") * Time.deltaTime * moveSpd;
        continuousActions[1] = Input.GetAxisRaw("Vertical") * Time.deltaTime * moveSpd;
    }

    private void OnTriggerEnter(Collider other)
    {
        //Debug.Log("OnTriggerEnter："+other.name);
        if (other.name.Equals("target"))
        { 
            AddReward(+1f); //奖励
            EndEpisode();   //结束经历
            plane.material.color = Color.green;
            //Debug.Log("奖励");
        }
        else if (other.name.Equals("wall"))
        {
            AddReward(-1f); //惩罚
            EndEpisode();   //结束
            plane.material.color = Color.grey;
            //Debug.Log("惩罚");
        }
    }
   
}

我们修改完毕后，然后运行mlagents环境并运行Unity，明显批量的速度更快了。如下图：
请添加图片描述
从GIF中能看到，亮起绿色的频率越来越快了。在我的机器上到最后就只有绿色的亮起了。

在这里插入图片描述

等机器运算完毕后会生成MovetoTart1.onnx文件。

然后在
H:\UnityProject\MLApp\venv\Scripts\results\就能看到我们所有的mlagents测试数据，包含我们需要的训练后的MoveToTar.onnx文件，我们把它复制到Unity/Assets中。这个onnx就是经过AI训练的大脑的神经网络。

我们把这个文件拖动到Model里。

 

BehaviorType选择InferenceOnly，点击Unity运行，这样这个agent就拥有找寻target的AI了。

环境设置
机器学习的环境是可以自定义配置的，可以参考这里。
创建一个movetarget.yaml文件，放到Unity/config文件夹（建立一个）
 

behaviors:
  MoveToTar1:
    trainer_type: ppo
    hyperparameters:
      batch_size: 10
      buffer_size: 100
      learning_rate: 3.0e-4
      beta: 5.0e-4
      epsilon: 0.2
      lambd: 0.99
      num_epoch: 3
      learning_rate_schedule: linear
      beta_schedule: constant
      epsilon_schedule: linear
    network_settings:
      normalize: false
      hidden_units: 128
      num_layers: 2
    reward_signals:
      extrinsic:
        gamma: 0.99
        strength: 1.0
    max_steps: 500000
    time_horizon: 64
    summary_freq: 10000

通过下面的指令进行，就是按照自定的参数来执行了。具体参数意义有机会我们后面再聊。

使用这个配置文件开启机器学习，输入下面的指令：

mlagents-learn config/movetarget.yaml --run-id=test5

在这里插入图片描述

进一步优化机器

我们继续上一个测试。当运行的时候，把target的位置改变，我们发现agent可能就找不到目标了，可以思考下为什么？如下面的动画：

请添加图片描述

对的，因为在机器学习的时候我们的target的位置一直没有发生变化，所以AI可能觉得目标是死物，所以我们可以通过修改脚本，让target每段运算完毕后改变位置，发生变化，机器就会变得聪明些。

我们修改代码如下：

    public override void OnEpisodeBegin()
    {
        transform.localPosition = new Vector3(Random.Range(-9f, 0f), 0f, Random.Range(-4f, 4f));
        targetTfm.localPosition = new Vector3(Random.Range(1f, 9f), 0f, Random.Range(-4f, 4f));
        //Debug.Log("经历开始");
    }

我们每次开始都随机以下target和agent的位置，但是不会重合。然后再进行机器学习。

我们输入下面指令，在上一次运行的test5的基础上进行test8运算

mlagents-learn config/movetarget.yaml --initialize-from=test5 --run-id=test8

运算后我们覆盖onnx文件，继续运行，结果如下：
请添加图片描述

Web监控

要在训练期间监控代理性能的统计信息，请使用 TensorBoard指令。

可以开另外一个cmd，进入虚拟环境（venv），输入下面指令：

tensorboard --logdir results

在这里插入图片描述
然后再浏览器输入地址就可以了

http://localhost:6006/


根据图表，你可以看到各种曲线，来修改你的机器训练。

本章内容就到这里了，官方还有很多种机器学习的例子，如果有兴趣可以自行学习。有机会下一篇文章我们进一步扩展，或者做另外一个有意思的Demo。

本章源码

GitHub - thinbug/MLApp

引用:
https://github.com/Unity-Technologies/ml-agents/blob/main/docs/Learning-Environment-Create-New.md
 

Unity机器学习2 ML-Agents第一个例子_ml-agents小狗-CSDN博客

Unity中训练一个ML-Agents项目—解决torch和mlagents配置问题_mlagents训练_LLLQQQismmmmme的博客-CSDN博客

Unity 对接 ML-Agents 初探_艾沃尼斯的博客-CSDN博客

GitHub - thinbug/MLApp

Unity之ml-agents（一）：环境配置及初步使用_mlagents-CSDN博客

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1243994.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

EventLog Analyzer：强大的日志管理与分析工具

EventLog Analyzer：强大的日志管理与分析工具

随着企业网络规模的扩大和信息系统的复杂化&#xff0c;安全日志管理和分析成为了至关重要的一环。在这个背景下&#xff0c;EventLog Analyzer崭露头角&#xff0c;成为一款备受推崇的日志管理与分析工具。本文将介绍EventLog Analyzer的主要特点、功能以及为企业带来的实际价…
阅读更多...
github批量仓库克隆，git clone某个用户的所有仓库

github批量仓库克隆，git clone某个用户的所有仓库

利用github的api工具&#xff0c; 首先拿到用户名为kevin的所有仓库的url&#xff1a; curl "https://api.github.com/users/kevin/repos?per_page100&&page1" | grep -w clone_url >clone.txt过滤一下&#xff1a; grep -o https://[^"]* clone…
阅读更多...
智慧海岛/海域方案：助力海洋空间智慧化、可视化管理

智慧海岛/海域方案：助力海洋空间智慧化、可视化管理

随着我国海洋经济的快速发展&#xff0c;海域海岛的安防技术也获得了进步。传统的安防监控模式已经满足不了海域海岛的远程监管需求。伴随着人工智能、边缘计算、大数据、通信传输技术、视频技术、物联网等信息化技术的发展&#xff0c;海岛海域在监管手段上&#xff0c;也迎来…
阅读更多...
计算机中了halo勒索病毒怎么清除，halo勒索病毒解密数据恢复

计算机中了halo勒索病毒怎么清除，halo勒索病毒解密数据恢复

科技的进步加快了企业发展的步伐&#xff0c;网络技术的不断应用为企业的生产运营提供了极大帮助&#xff0c;但随之而来的网络安全威胁也不断增加&#xff0c;近期&#xff0c;云天数据恢复中心接到很多企业的求助&#xff0c;企业的计算机服务器遭到了halo勒索病毒攻击&#…
阅读更多...
【giszz笔记】产品设计标准流程【8】

【giszz笔记】产品设计标准流程【8】

&#xff08;续上回&#xff09; 真的没想到写了8个章节&#xff0c;想参考之前文章的&#xff0c;我把链接给到这里。 【giszz笔记】产品设计标准流程【7】-CSDN博客 【giszz笔记】产品设计标准流程【6】-CSDN博客 【giszz笔记】产品设计标准流程【5】-CSDN博客 【giszz笔…
阅读更多...
Keil工程打开发现目标芯片无法选择解决方案

Keil工程打开发现目标芯片无法选择解决方案

买了一个开发板&#xff0c;配套有一些底层驱动的例程&#xff0c;打开后发现目标芯片无法选择&#xff0c;对应的下载Flash FLM文件也无法选择。从提示框中可以知道所提供的例程是Keil4的例程&#xff0c;我电脑上安装的Keil版本是Keil版本&#xff0c;估计是这个原因导致工程…
阅读更多...
Rust开发——数据对象的内存布局

Rust开发——数据对象的内存布局

枚举与Sized 数据 一般数据类型的布局是其大小&#xff08;size&#xff09;、对齐方式&#xff08;align&#xff09;及其字段的相对偏移量。 1. 枚举&#xff08;Enum&#xff09;的布局&#xff1a; 枚举类型在内存中的布局通常是由编译器来确定的。不同的编译器可能有不…
阅读更多...
大模型增量预训练参数说明

大模型增量预训练参数说明

在增量预训练过程中通常需要设置三类或四类参数，模型参数，数据参数，训练参数，额外参数。 下面分别针对这四种参数进行说明。 欢迎关注公众号 模型参数 model_type模型类型，例如bloom,llama，baichuan，qwen等。 model_name_or_path模型名称或者路径。 tokenizer_name_or…
阅读更多...
2023年最新PyCharm环境搭建教程（含Python下载安装）

2023年最新PyCharm环境搭建教程（含Python下载安装）

文章目录 写在前面PythonPython简介Python生态圈Python下载安装 PyCharmPyCharm简介PyCharm下载安装PyCharm环境搭建 写在后面 写在前面 最近博主收到了好多小伙伴的吐槽称不会下载安装python&#xff0c;博主听到后非常的扎心&#xff0c;经过博主几天的熬夜加班&#xff0c;…
阅读更多...
解决Emmy Lua插件在IDEA或 Reder 没有代码提示的问题(设置文件关联 增加对.lua.txt文件的支持)

解决Emmy Lua插件在IDEA或 Reder 没有代码提示的问题(设置文件关联 增加对.lua.txt文件的支持)

目录 Reder版本2019.x Reder版本2021.1.5x Reder版本2019.x 解决Emmy Lua插件在IDEA或 Reder 没有代码提示的问题(设置文件关联 增加对.lua.txt文件的支持) Reder版本2021.1.5x 解决Emmy Lua插件在IDEA或 Reder 没有代码提示的问题(设置文件关联 增加对.lua.txt文件的支持)…
阅读更多...
什么是LLC电路？

什么是LLC电路？

LLC电路是由2个电感和1个电容构成的谐振电路&#xff0c;故称之为LLC&#xff1b; LLC电路主要由三个元件组成&#xff1a;两个电感分别为变压器一次侧漏感(Lr)和励磁电感(Lm)&#xff0c;电容为变压器一次侧谐振电容(Cr)。这些元件构成了一个谐振回路&#xff0c;其中输入电感…
阅读更多...
【Spring进阶系列丨第四篇】学习Spring中的Bean管理(基于xml配置)

【Spring进阶系列丨第四篇】学习Spring中的Bean管理(基于xml配置)

前言 在之前的学习中我们知道&#xff0c;容器是一个空间的概念&#xff0c;一般理解为可盛放物体的地方。在Spring容器通常理解为BeanFactory或者ApplicationContext。我们知道spring的IOC容器能够帮我们创建对象&#xff0c;对象交给spring管理之后我们就不用手动去new对象。…
阅读更多...
为销售赋能：利用 Splashtop 增强远程培训技术

为销售赋能：利用 Splashtop 增强远程培训技术

远程销售团队这一概念在当今快节奏的商业环境中日益普遍。各公司正在计划在不同地点灵活开展销售业务&#xff0c;希望利用技术优势缩小地域差距。但是&#xff0c;这种向远程销售的转型面临着重大挑战&#xff0c;尤其在培训和发展领域。培训远程销售团队需要采用创新方法&…
阅读更多...
微型计算机原理MOOC题

微型计算机原理MOOC题

一、8254 1.掉坑了&#xff0c;AL传到端口不意味着一定传到的是低位&#xff0c;要看控制字D5和D4&#xff0c;10是只写高位&#xff0c;所以是0A00.。。 2. 3. 4.待解决&#xff1a;
阅读更多...
免费使用！Figma汉化网页版替代工具震撼登场

免费使用！Figma汉化网页版替代工具震撼登场

Figma作为一种常用的在线设计工具&#xff0c;大多数UI设计师都非常了解这个软件&#xff0c;很多人在设计过程中经常使用Figma。Figma作为一种外国设计软件&#xff0c;没有本地版本&#xff0c;在一些设计中需要在插件的帮助下完成工作。虽然Figma确实比其他软件有很大的优势…
阅读更多...
【Vue】核心特性（响应式）

【Vue】核心特性（响应式）

响应式&#xff1a; 数据变化&#xff0c;视图自动更新 接下来使用一个例子来体现一下什么是响应式 案例一&#xff1a; 访问数据&#xff0c;视图自动更新 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><…
阅读更多...
2023亚太杯数学建模竞赛C题详细代码解析建模

2023亚太杯数学建模竞赛C题详细代码解析建模

C题&#xff1a;The Development Trend of New Energy Electric Vehicles in China中国谈新能源电动汽车的发展趋势 第一问部分&#xff1a; import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.prep…
阅读更多...
如何用Python爬取全国高校数据？

如何用Python爬取全国高校数据？

前言 Python是一门强大的编程语言&#xff0c;它可以用于爬取互联网上的各种数据。在这篇文章中&#xff0c;我们将学习如何使用Python爬取全国高校数据&#xff0c;并使用代理IP进行爬取。 本文主要分为以下几个部分&#xff1a; 数据来源及需求安装依赖包及导入模块爬取全…
阅读更多...
VOC数据集和COCO数据集直接的相互转换

VOC数据集和COCO数据集直接的相互转换

VOC数据集格式 get_list.py import os import random import shutil# 设置随机种子 random.seed(1000)# 判断Annotations和JpegImages是否对应 train_precent=0.8 label_path= "../../Annotations" print(os.path.abspath(label_path)) save="../Main" pr…
阅读更多...
CCFCSP试题编号：201803-2试题名称：碰撞的小球

CCFCSP试题编号：201803-2试题名称：碰撞的小球

一、题目描述 二、思路 1.首先妾身分析这个题目&#xff0c;想要解题&#xff0c;得得解决2个问题。 1&#xff09;判断小球到达端点或碰撞然后改变方向&#xff1b; 2&#xff09;每时刻都要改变位置 两个问题都比较好解决&#xff0c;1&#xff09;只要简单判断坐标&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023