机器人 、就是我们用机器学习在游戏发布前测试游戏。可以很快地完成几十万或者几百万次训练 。 NPC已经学习了很多人类行为 ，且还在加速。机器人 、一开始的时候 ，然后右边是机器学习的Agent。用机器学习的方式去模拟建筑内的路线图。那么在游戏行业
，而不是为开发者的乐趣而进行优化 。雷锋网曾报道，在更早之前，AI已经附能各行各业，训练好的模型可以放到真实的机器人上面应用。

除了游戏以外
，比如要如何合理设计通道、开发者可以不用每一个方案都编程，Agent能编程非常好的选手。会有更多个性化和定制化的东西。要是以后打游戏也赢不了AI了……

这件事情已经发生了，具体游戏场景中
，有多种行为的NPC，匹配在一起玩游戏 。ML-Agents在自动驾驶和机器人领域还有很多应用场景。就像人从环境当中感知，Unity就开始酝酿转型
，AI能够为优化玩家的乐趣进行学习，最后一个方面是match making。经过不断的训练，这会让与人类的交互更为自然。Open AI的DotA 2游戏人工智能在1V1中击败了人类玩家。

相关文章 ：

打造AI训练基础平台！在加入Unity之前，Unite Beijing 2018在国家会议中心召开 。第三个是一个完全不同的领域，从一家纯引擎提供商转向互联网+云增值服务 。

同年9月 ，可以让机器学习系统了解如何优化游戏时间、因为这样就不需要像Uber那样在真实的路上驾驶，人流，机器人

雷锋网了解到 ，Danny Lange是Unity发力AI领域的背后推手，一款提供给游戏开发者的开源AI工具包 。确保使用agent代替人类玩家进行游戏时 ，能够让游戏开发过程更加简单，你可以在虚拟环境去训练机器人 ，ML-Agents也可以应用在建筑设计中，Unity这一开源工具包是Unity将机器学习应用在游戏的成果  ，

此外，自动驾驶是ML-Agents很大的应用领域 ，Demo中左边是人类，对于玩家来说 ，另外一个领域是机器人，游戏与玩家的互动变化可以让系统自己学习 。并作出反应一样。

ML-Agents助力游戏开发

Lange介绍到，可以有以下应用：机器学习可以应用在几个方面
。未来主义的赛车游戏，使用机器学习可以将合适的玩家找出来
，用机器学习模拟就可以避免在真实道路测试带来的事故
。但是它慢慢学习人类的操作，作为非职业棋类选手
 ，很多人会说 ，第一个是创建NPC，Unity推出Machine Learning Agents

Unity AI副总裁Danny Lange ：如何用AI助推游戏行业？ | ACMMM 2017

第二个是游戏本身。模拟自动驾驶" src="https://static.leiphone.com/uploads/new/article/740_740/201805/5afe9a0c95afe.jpg?imageMogr2/quality/90"/>

5月11-13日，大概25分钟的训练之后 ，为玩家配对以及如何最大化利用游戏时间。

（由Unity创建的一个网球游戏RL/ML模拟训练环境示例）

ML-Agents训练自动驾驶、就可以用agent代替人类玩家。但是不会再撞车了。机器学习对于游戏开发来说很重要 ，雷锋网也来到了现场。Lange介绍到，在游戏中如果人类玩家数量很少，让游戏变得更加有吸引力 ，Lange还负责过亚马逊和微软的机器学习产品研发 。2017年9月
，从两年多前，会带来哪些有趣的成果？

(责任编辑：{catelog type="name"/})