유니티 머신러닝 에이전트 완전정복 (응용편) 대시보드

중급자를 위해 준비한
[게임 프로그래밍] 강의입니다.

이 강의를 통해 멀티에이전트, 커리큘럼 학습, 분산학습 등 머신러닝 에이전트의 다양한 기능들을 배우고 직접 사용해볼 수 있습니다. 또한 호기심 기반 탐험, 가변적인 입력에도 대응 가능한 강화학습 알고리즘에 대해서도 학습할 수 있습니다.

강의 주제 📖

이번 유니티 머신러닝 에이전트 완전정복 (응용편) 강의를 통해서는 다음과 같은 내용들을 학습할 수 있습니다!

• 유니티를 이용한 강화학습 환경 제작 방법 
• 응용 강화학습 기법을 위한 머신러닝 에이전트 적용 방법 
• 응용 강화학습 알고리즘 이론 및 코드 작성 방법 
• mlagents-learn을 이용한 응용 강화학습 알고리즘 학습 방법 

강의 특징 ✨

본 강의에서는 강화학습의 이론을 학습하고 코드를 작성하는 것 뿐 아니라 해당 알고리즘을 학습하기 위한 강화학습 환경을 제작하는 내용까지 다루는 강의로서 강화학습을 위한 모든 내용을 다룬다고 할 수 있습니다.
또한 본 강의에서는 일반적인 강화학습 알고리즘 뿐 아니라 멀티에이전트, 커리큘럼 학습, 분산 학습, 어려운 탐험 환경 등 여러 응용 강화학습의 내용까지 폭넓게 다루고 있습니다.   

학습 내용 📚

유니티 머신러닝 에이전트 완전 정복 (응용편)에서는 응용 강화학습 기법들을 위한 환경 제작 및 강화학습 알고리즘 이론, 코드 내용을 학습합니다.
구체적으로 본 강의에서 다루는 내용들은 다음과 같습니다.  

알고리즘

• Proximal Policy Optimization (PPO) 
• Attention PPO 
• Adversarial PPO 
• MA-POCA 
• Exploration by RND (Random Network Distillation) 
• HyperNetworks

환경 

• Dodge
• Pong 
• EscapeRoom
• Maze
• TwoMission 

아래의 영상들은 이번 강의를 통해 직접 구현해볼 강화학습 환경들과 이를 여러분이 구현할 강화학습 알고리즘을 통해 학습한 결과입니다.

수강 전 참고 사항 📢

본 강의의 내용은 인프런의 "유니티 머신러닝 에이전트 완전정복 (기초편)"의 수강을 완료하셨다는 가정을 하고 설명을 진행하고 있습니다! (기초편 링크) 
혹시 기초편을 수강하지 않으신 분은 먼저 기초편을 수강하시는 것을 추천드립니다! 하지만 강화학습의 기초, 유니티나 머신러닝 에이전트의 기본적인 사용 방법을 알고 계신 분은 바로 응용편 강의를 수강하셔도 괜찮습니다.  

실습 환경

실습 환경의 경우 강의를 진행한 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. 

실습 환경 (강의 진행 버전)

• Windows 10
• Unity 2021.1.18 
• ML-Agents 2.0 (Unity) / ML-Agents 0.26.0 (Python)
• Python 3.8
• Pytorch 2.0 

실습 환경 (호환성 확인 버전)

• Windows 10
• Unity 2022.3.4 
• ML-Agents 3.0 (Unity) / ML-Agents 1.0.0 (Python)
• Python 3.8
• Pytorch 2.1 

깃허브 🐙

본 강의의 모든 환경과 알고리즘의 코드는 다음 깃허브에서 살펴보실 수 있습니다! 자주 물어보는 질문 내용도 해당 깃허브 위키에 정리되어 있으니 참고 부탁드립니다!
https://github.com/reinforcement-learning-kr/Unity_ML_Agents_2.0

수강 타겟/강의 목적 🙆‍♀️

지식공유자가 생각하는 수강생 유형

• 강화학습 환경 개발에 관심이 있는 개발자
• 강화학습의 이론과 구현에 관심이 있는 학생 및 연구자 

이런 분들께 추천드려요!