Unity_Lesson

1. Unity公式サンプル

   1. 3DBall　
      観察の収集方法２種類
      • 「BehaviorParameters」とAgent.CollectObservations()
      • スクリプトで[Observale]を使う方法(Ball3DHardAgent.cs)

      提供されているシーン

        ・3DBall:観察に加速度がある
        ・3DBAllHard:観察に加速度がない
        ・Visual3DBall:カメラセンサーでの学習
      

   
   

   1. GridWorld　
      行動マスク（グリッド外に行かないように）

   
   

   1. PushBlock
      模倣学習(imitation)

   
   

   1. Pyramid
      Curiosity + 模倣学習
      (エージェントに好奇心を持たせ、未知の状態への探索を促し、「模倣学習」を使ってエージェントが報酬にたどり着く行動を人間が教えてあげることで、学習効率をあげることができる)

   
   

   1. WallJump
      カリキュラム学習

       レッスン0:ジャンプなしにゴールできる環境
       レッスン1:ジャンプしないとゴールできない環境
       レッスン2:ブロックを足場にしてジャンプしないとゴールできない環境
       レッスン3:常に壁が最も高い環境
      

   
   

   1. Hallway
      LSTM（Long Short-Term Memory） （模倣学習 imitationも用意されている）

   
   

   1. Worm JointDriveControllerを利用 速度報酬✖️方向報酬

   
   

   1. Crawler JointDriveControllerを利用 速度報酬✖️方向報酬

   
   

   1. Walker
      JointDriveControllerを利用 速度報酬✖️方向報酬

   
   

   1. FoodCollector
      GridSensorの利用

   
   

   1. Basic
      「カスタムセンサー」と「カスタムアクチュエータ」を利用する学習環境サンプル

   
   

   1. Match3
      独自のセンサーで独自の観察の定義を。独自のアクチュエータで独自の行動の定義を行なっている

   
   

   1. Sorter
      可変長な観察　BufferSensorの利用 カリキュラム学習

   
   

   1. Soccer
      MA-POCA(MultiAgent POsthumous Credit Assignment)による協調行動の学習

   
   

   1. CooperativePushBlock
      MA-POCAを利用して協調行動を学習する

   
   

   1. DungeonEscape
      RigidbodySensor　と　MA-POCA　の利用