ML-Agents是Unity開發智能AI的利器，但是學習曲線相對陡峭，需要一些機器學習算法的理解，經過使用訓練模式、好奇心模式的經歷，總結一些使用技巧，供愛好者參考。
1.訓練模式是老師帶學生的模式，玩家通過操作AI，與Agents AI具有相同的參數，只不過用人工替代了電腦大腦的控制和判斷，也就是Actions的決策選擇。人工的操作不但能讓AI學習移動和一些操作，AI還能繼續使用加強學習的算法進行大腦的雙向訓練。配置過程相對麻煩，可以參考官方示例。
2.對于一些復雜環境和多操作，比如要在躲避的過程中還選擇攻擊，在撿拾道具和攻擊、逃跑中做優化尋澤，這種復雜的情況下，盡量開啟好奇心模式，在trainer.ymal配置中修改好奇心參數為true。這樣會盡量杜絕AI原地打轉，浪費訓練時間，也完全達不到使用目標和要求。
3.一些簡單的訓練場景一般都容易實現目標，但是像我們的正常游戲中，AI的操作動作都比較多，場景也比較復雜，比如各種石頭、墻壁等具有碰撞體的檢測，因此在基礎訓練滿足后，就要將復雜的真實場景進行訓練場景的搭建，個人覺得這個步驟很關鍵，不要單純的降低訓練環境實現大腦文件生成，若此，AI到真實場景中就容易鉆入一些復雜環境無法進行智能判斷。
4.一勞永逸的攝像機模式不能使用，開始就卡死，不清楚是什么問題，個人感覺跟顯卡沒有關系，因為我配置的模式是CPU模式。
5.AI的技能訓練盡量不用真實技能，可以用射線碰撞代替射線類技能，訓練完畢后，將真實技能參數調整到射線碰撞的參數，比如距離、有效半徑等。
6.在重寫動作控制的方法時，盡量添加一些基本的限制條件，比如22m內如果沒有檢測到攻擊目標的存在就不要釋放20m范圍攻擊的技能，明顯攻擊不到敵人。
7.代碼部分
查找范圍敵人并排序
public Transform ClosestEnemy(float viewRange) {
var cols = new List(Physics.OverlapSphere(transform.position, viewRange, enemyMask));
cols.Remove(m_collider);
var firstOrDefault = cols.OrderBy(x => Vector3.Distance(transform.position, x.transform.position)).FirstOrDefault();
return firstOrDefault != null ? firstOrDefault.transform : null;
}

總結

以上是生活随笔為你收集整理的ML-Agents训练智能AI使用技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。