5_0

5. 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
   
   
   
   2. GridWorld　
      行動マスク（グリッド外に行かないように）
   
   
   
   3. PushBlock
      模倣学習(imitation)
   
   
   
   4. 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)
   
   
   
   5. 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
   
   
   
   6. Hallway
      LSTM（Long Short-Term Memory） （模倣学習 imitationも用意されている）
   
   
   
   7. Worm JointDriveControllerを利用 速度報酬✖️方向報酬
   
   
   
   8. Crawler JointDriveControllerを利用 速度報酬✖️方向報酬
   
   
   
   9. Walker
      JointDriveControllerを利用 速度報酬✖️方向報酬
   
   
   
   10. FoodCollector
       GridSensorの利用
   
   
   
   11. 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
   
   
   
   12. 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
   
   
   
   13. Sorter
       可変長な観察　BufferSensorの利用 カリキュラム学習
   
   
   
   14. Soccer
       MA-POCA(MultiAgent POsthumous Credit Assignment)による協調行動の学習
   
   
   
   15. CooperativePushBlock
       MA-POCAを利用して協調行動を学習する
   
   
   
   16. DungeonEscape
       RigidbodySensor　と　MA-POCA　の利用