Unity 머신러닝 에이전트

최신 심층 학습 기술을 활용하여 지능형 에이전트를 교육하고 임베드하세요.

지능적인 반응형 가상 플레이어

지능형 게임 환경 만들기

지능적으로 반응하는 가상 플레이어나 논플레이어블 게임 캐릭터를 만드는 것은 쉽지 않으며, 게임이 복잡할수록 더 까다롭습니다. 개발자는 지능적인 동작을 만들려면 엄청난 양의 코드를 작성하거나 고도로 전문화된 툴을 사용해야 했습니다.

Unity 머신러닝 에이전트(ML-Agents)를 사용하면 더 이상 새로운 동작을 코딩할 필요가 없으며, 대신 지능형 에이전트가 심층적인 강화 학습과 모방 학습의 조합을 통해 학습하도록 가르치면 됩니다. ML-Agents를 사용하면 보다 매력적인 게임플레이를 구현하고 게임 경험을 개선할 수 있습니다.

복합 AI 환경

모델의 학습을 위한 현실적이고 복합적인 AI 환경 구현하기

인공지능(AI) 연구가 발전하려면 현재의 AI 모델 학습용 벤치마크를 사용하여 기존 환경에 존재하는 어려운 문제를 해결해야만 합니다. 하지만 이러한 문제가 '해결'되고 나면 새로운 환경의 필요성이 대두되곤 합니다. 하지만 그러한 환경을 조성하려면 많은 시간과 전문적이고 특별한 지식이 필요한 경우가 많습니다. 

Unity와 ML-Agents 툴킷을 사용하면 풍부한 물리적, 시각적, 인지적 요소를 갖춘 AI 환경을 조성할 수 있습니다. 새로운 알고리즘과 메서드의 연구는 물론이고 벤치마킹에도 이러한 환경을 사용할 수 있습니다.

 

Unity ML-Agents 작동 방식

ML Agents 통합
통합

ML-Agents Unity 패키지를 통합합니다.

에이전트 훈련
교육

통합된 Unity 프로젝트를 연결하고 에이전트가 올바른 동작을 학습할 수 있도록 교육을 시작합니다. 

Puppo The Corgi
임베드

교육이 완료되면 학습된 에이전트 모델을 다시 Unity 프로젝트에 임베드합니다.

교육 확장

교육을 확장할 필요가 있으신가요?

ML-Agents 사용자가 확장 가능한 클라우드 인프라에서 학습할 수 있도록 지원하는 ML-Agents 클라우드 제품군이 올해 말 출시될 예정입니다. 이 클라우드 제품군을 사용하면 수많은 동시 교육 세션을 제출하거나 여러 머신 전반에 걸쳐 교육 세션을 손쉽게 확장하여 결과를 더 빠르게 도출할 수 있습니다. 

현재 ML-Agents를 사용하고 있으며 실험의 확장 및 관리에 지원이 필요하다면 프리뷰 액세스에 등록하세요.

 

Unity 및 Jamcity 로고

JamCity 스누피 팝의 학습 속도 향상

유니티는 에이전트가 JamCity의 버블 슈팅 게임인 스누피 팝(Snoopy Pop)을 학습하도록 하기 위해 JamCity와 협업을 진행했습니다. 에이전트가 스누피 팝을 플레이하도록 학습시키는 과정에서 직면한 어려움 중 하나는 효과적인 동작과 전략을 학습하기 위한 대량의 게임플레이 데이터였습니다. 게다가, 개발 중인 대부분의 게임이 계속해서 변하므로 학습 시간이 상당히 빨라야 했습니다. 이러한 문제를 해결하기 위해 유니티는 Asynchronous Environments, Generative Adversarial Imitation Learning(GAIL), Soft Actor-Critic 등과 같은 ML-Agents의 여러 기능을 도입했습니다.

주요 혜택

오픈 소스

Unity ML-Agents 툴킷은 Apache 2.0 라이선스가 적용된 오픈 소스입니다. 이 툴킷을 사용하면 필요에 따라 ML-Agents를 수정하고 구현할 수 있습니다.

AI/ML 전문 지식 불필요

툴킷에는 바로 사용할 수 있는 첨단 알고리즘과 탄탄한 문서 및 예제 프로젝트 등 시작에 필요한 모든 항목이 포함됩니다. 또한 유용한 게임 개발 커뮤니티의 지원도 받을 수 있습니다.

최소한의 코딩으로 간편한 설정

게임을 AI 학습 환경으로 쉽고 빠르게 설정할 수 있습니다. 대량 코딩 작업 없이 지능형 캐릭터를 제작할 수 있습니다.

다양한 시작 환경

진행하는 프로젝트가 2D 게임이든, 연속 제어 시스템이든 아니면 대규모 게임 공간이든, 보다 쉽게 시작할 수 있도록 여러 개의 시작 환경이 제공됩니다.

크로스 플랫폼 추론 지원

Unity Inference Engine(Barracuda)을 사용하면 Unity를 지원하는 어떤 플랫폼(PC, 모바일, 콘솔)에서도 ML-Agents 모델을 배포할 수 있습니다.

확장 가능한 에이전트 교육

에이전트 교육에 다양한 알고리즘과 메서드를 유연하게 시도할 수 있는 C#, 커뮤니케이션 프로토콜, 세부적인 Python API에 대한 액세스로 풍부한 고급 AI 및 연구 사용 사례를 확보할 수 있습니다.

절차에 의해 생성된 자연스러운 느낌의 수많은 몬스터

 캐리 캐슬(Carry Castle)이 제작한 로그류 액션 게임인 Source of Madness에서 플레이어는 동적으로 계속 변하는 세상을 모험하면서, 게임을 플레이할 때마다 절차에 의해 생성되고 강력한 머신러닝 AI로 생생하게 구현되는 새로운 몬스터와 전투를 벌입니다.

적 몬스터를 만드는 과정에서 소규모 팀에 다양한 도전 과제가 주어졌습니다.

  • 몬스터를 제어하는 물리 시스템은 특이하고
  • 수많은 배리에이션의 몬스터가 존재하며
  • 몬스터가 자연스럽게 보여야 했습니다.
Source of Madness 게임 아트

이 팀에서는 ML-Agents 툴킷, 특히 심층 강화 학습을 사용하여 올바른 동작을 생성하는 신경망 모델을 교육 및 제작했습니다. 그런 다음 Unity Inference Engine을 사용하여 모델을 게임에 임베드했습니다.

ML-Agents 벌새 과정

ML-Agents Hummingbird Course

ML-Agents 구현 방법 알아보기

유니티는 Immersive Limit와 협업하여 연습, 코드 워크스루, 유용한 논의를 통해 ML-Agents의 구현 방법을 알려주는 온라인 교육을 개설했습니다.

커뮤니티 참여

질문하고, 답변을 찾고, 유니티 직원을 포함한 다른 Unity ML-Agents 전문가 및 실험자와 소통하세요.

지원 문제

유니티 Github 페이지에서 지원 문제 신고

자세하거나 복잡한 시나리오가 있나요?

문의하기 - ml-agents@unity3d.com

Unity 생태계 살펴보기

Unity의 AI 및 머신러닝 제품을 확인하고, 이러한 제품을 활용하여 다양한 문제를 어떻게 해결할 수 있는지 알아보세요.

Unity Computer Vision

적은 비용으로 컴퓨터 비전 훈련을 위한 완벽하게 레이블이 지정된 고품질 데이터를 얻을 수 있습니다.

로봇 공학 시뮬레이션

로봇을 실제 공간에 배포하기 전에 사실적이고 정확도가 높은 시뮬레이션으로 프로토타입을 만들고 테스트하고 훈련하세요.

Unity Simulation

클라우드를 활용해 수백만 번의 시뮬레이션을 실행하여 머신러닝을 위한 학습 데이터를 생성하고 AI 알고리즘을 테스트 및 검증하거나, 모델링된 시스템을 평가하고 최적화하세요.

지능형 에이전트 교육 및 임베드

Unity ML-Agents 및 최첨단 심층 학습 기술을 활용하여 복잡한 AI 환경과 지능형 게임 환경을 구축하세요.

Unity에서는 최적의 웹사이트 경험을 제공하기 위해 쿠키를 사용합니다. 자세한 내용은 쿠키 정책 페이지를 참조하세요.

확인