Unity ML-Agents 2.0

이 레포지토리는 Reinforcement Learning Korea의 유니티 머신러닝 에이전트 튜토리얼 제작 프로젝트의 결과로 제작된 강의들을 위한 자료들을 포함하고 있습니다. 본 레포에서는 다음의 강의에 대한 자료를 제공합니다.

• [인프런] 유니티 머신러닝 에이전트 완전 정복 (기초편)
• [위키북스] 파이토치와 유니티 ML-Agents로 배우는 강화학습
• [인프런] 유니티 머신러닝 에이전트 완전 정복 (응용편)

이 레포는 본 강의에서 제작하는 유니티 ML-Agents(Github) 환경들의 빌드파일과 유니티 프로젝트 파일을 제공합니다. 또한 제공된 환경들에서 에이전트를 학습하기 위한 심층강화학습 알고리즘을 제공합니다.

버전 정보

강의를 진행할때 사용한 소프트웨어들의 버전이 약간 오래된 버전인 관계로 비교적 최신 소프트웨어들로 호환성을 확인했습니다!
아래 "강의 진행 버전"과 "호환성 확인 버전" 중 어떤 설정으로 진행하셔도 강의 내용을 진행하실 수 있습니다.

강의 진행 버전

• Python 3.8
• Pytorch 2.0
• Unity 2021.1.18
• ML-Agents 2.3 (Unity Package)
• ML-Agents 0.30.0 (Python Package)

호환성 확인 버전

• Python 3.8
• Pytorch 2.1
• Unity 2022.3.4
• ML-Agents 2.3 (Unity Package)
• ML-Agents 0.30.0 (Python Package)

사용법

pip install -r requirements.txt
cd agents
python **.AGENT.py # 예시: python 04.dqn.py

디렉토리 구조 설명

├─ agents           # 에이전트 학습 스크립트 관리
├─ config           # ml-agents 내장 알고리즘 config.yaml 관리
├─ demo             # demonstration 관리
├─ envs             # 빌드된 환경 관리
├─ resrc            # README 이미지 관리
└─ unity_project    # 환경의 유니티 프로젝트 관리

알고리즘

모든 알고리즘은 파이썬과 파이토치를 통해 작성되었습니다. 본 강의에서 제공하는 심층강화학습 알고리즘은 다음과 같습니다.

기초편

1. Deep Q Network (DQN)
2. Advantage Actor Critic (A2C)
3. Deep Deterministic Policy Gradient (DDPG)
4. Behavioral Cloning (BC)

응용편

1. Proximal Policy Optimization (PPO)
2. Attention PPO
3. Adversarial PPO
4. MA-POCA
5. Exploration by RND
6. HyperNetworks

환경

모든 환경은 유니티와 유니티 머신러닝 에이전트를 통해 제작되었습니다. 다음과 같은 환경들의 제작 방법에 대해 강의합니다. 각 환경과 해당 환경에 대한 학습 결과는 다음과 같습니다.

기초편

1. 그리드월드

2. 드론

3. 카트 레이싱

응용편

1. 닷지

2. 퐁

3. 방탈출

4. 메이즈

5. 투 미션