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。
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。
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MLAppvenvScriptsactivate.bat批处理文件，确保正常是这样的。
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：
Unity运行后，我们看到cmd窗口和Unity的输出已经开始了。
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。
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：
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：
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。
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：
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）
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 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 = 服务器托管网Vector3.zero;
Debug.Log("经历开始");
}
//启发
public override void Heuristic(in ActionBuffers actionsOut)
{
ActionSegment 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：
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。
等机器运算完毕后会生成MovetoTart1.onnx文件。
然后在
H:UnityProjectMLAppvenvScriptsresults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
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：
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服务器托管网=test5 --run-id=test8
运算后我们覆盖onnx文件，继续运行，结果如下：
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
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
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
NGINX 向云原生演进，All inOpenNJet 需求 为了节省带宽、能够快速获取资源，在中间代理服务器上，通常会配置缓存。缓存机制的基本原理是将 Web 资源（如 HTML、CSS、JavaScript、图像等）保存在客户端或中间代理服务器上，以便在后…
