一、ML-Agents 是什么
The Unity Machine Learning Agents Toolkit (ML-Agents) is an open-source project that enables games and simulations to serve as environments for training intelligent agents. We provide implementations (based on PyTorch) of state-of-the-art algorithms to enable game developers and hobbyists to easily train intelligent agents for 2D, 3D and VR/AR games. Researchers can also use the provided simple-to-use Python API to train Agents using reinforcement learning, imitation learning, neuroevolution, or any other methods. These trained agents can be used for multiple purposes, including controlling NPC behavior (in a variety of settings such as multi-agent and adversarial), automated testing of game builds and evaluating different game design decisions pre-release. The ML-Agents Toolkit is mutually beneficial for both game developers and AI researchers as it provides a central platform where advances in AI can be evaluated on Unity’s rich environments and then made accessible to the wider research and game developer communities.
译文：
Unity Machine Learning Agents (ML-Agents) 是一款开源的 Unity 插件， 使得我们得以在游戏环境和模拟环境中训练智能 agent。您可以使用 reinforcement learning（强化学习）、imitation learning（模仿学习）、neuroevolution（神经进化）或其他机器学习方法， 通过简单易用的 Python API进行控制，对 Agent 进行训练。我们还提供最先进算法的实现方式（基于 TensorFlow），让游戏开发者和业余爱好者能够轻松地 训练用于 2D、3D 和 VR/AR 游戏的智能 agent。 这些经过训练的 agent 可用于多种目的， 包括控制 NPC 行为（采用各种设置， 例如多个 agent 和对抗）、对游戏内部版本进行自动化测试、以及评估不同游戏设计决策的预发布版本。ML-Agents 对于游戏开发者和 AI 研究人员双方 都有利，因为它提供了一个集中的平台， 使得我们得以在 Unity 的丰富环境中测试 AI 的最新进展， 并使结果为更多的研究者和游戏开发者所用。
二、环境说明
操作环境：Win10
ML-Agent 版本：Release 20 (所有版本下载地址)
Unity 版本：2021.3.18f1
Anaconda 安装文件：Anaconda3-2022.10-Windows-x86_64.exe (官方网站) 该版本自带 Python3.9
三、安装 Anaconda
Anaconda，译为大蟒蛇，是一个开源的 Python 发行版本，其包含了 conda、Python 等180多个科学包及其依赖项。
在查阅网络资料的过程中，有些文章是直接使用 Python + pip 的形式进行设置，而有些是使用 Anaconda 中的 Python + conda 来进行设置。
conda 是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
pip 是用于安装和管理软件包的包管理器。
conda 比 pip 的环境管理更为简单，并且不会影响系统自带的 Python，而 pip 的限制较多并且仅适用于 Python。
由于 ML-Agent 的官方文档中本身就需要设置 Python 的虚拟环境，而 Anaconda 可以使用 conda 去更加简单的配置虚拟环境，所以选择安装 Anaconda。
具体的安装方式基本就是点击官方的 exe 文件进行安装，可以参阅此篇文章。
其中需要注意的是：
- 在 windows 环境下，安装的路径不能含有空格，同时不能是 “unicode” 编码。
- 在 windows 环境下，安装的路径不能含有空格，同时不能是 “unicode” 编码。
- 在 windows 环境下，安装的路径不能含有空格，同时不能是 “unicode” 编码。
重要的事情说三遍。一开始因为习惯将文件安装到自己定义的 Program Files 文件夹中，而此文件夹名称带有空格，结果就是各种报错。后来看到一篇文章里提到了这个问题才知道。
验证安装是否成功:
- 点击 “开始” 菜单
- 点击 “Anaconda3 (64-bit)”
- 点击 “Anaconda Prompt (Anaconda3)” 在控制台中输入
conda list，可以查看已经安装的包名和版本号，若正常显示就说明安装成功。 - 或者输入
conda --version能够成功显示版本号也说明安装成功，如下所示。
(base) C:\Users\Administrator>conda --version
conda 23.1.0
之后使用 Anaconda 时，可以直接去开始菜单 -> Anaconda3 (64-bit) -> Anaconda Prompt (Anaconda3)
四、对接 ML-Agents 工程
看了一圈网上的文章，由于有些文章的时间比较久了，所以可能跟目前的新版本不太匹配，会造成一些误区。
推荐和官方文档一起食用，味道更佳。
目前最新的的 git 工程版本是 Release 20，可直接在 git 下载，或者在所有版本下载地址下载
需要注意的是，不同的版本有各自的配置需求，这些需求都会在官方文档中提及，需要引起重视。
Release 20 版本的需求如下：
- Unity 版本需要是 2021.3 或更高
- Python 版本需要是 3.8.13 或更高
需要着重提起的问题是关于 Unity 的 ml-agents 组件，目前网上的文章基本都是推荐在 Unity 的 Package Manager 下载最新版 ML-Agents 组件，实际这样做可能会导致一系列的报错。
根据官方文档的流程，正确的方式如下：
- 导航到目录 Window -> Package Manager
- 点击左上角
+号 - 选择
Add package from disk...
- 在目录中，选择从 git 上下载并解压的 Release 20 版压缩包，里面有一个文件夹叫
com.unity.ml-agents
- 选择
package.json文件并打开
稍等片刻，就可以看到引入的本地插件
但是此时依然会有报错，而这就是另一个目前网上文章会导致的误区：只安装 ML-Agents 组件是不够的。
根据官方文档的流程，我们还需要安装一个叫 com.unity.ml-agents.extensions 的插件，而流程也和上面的大致相同，该插件同样可以从 Release 20 的压缩包中找到。
安装完成后如下所示：
另外，如果将全部 Release 20 中的示例都拷贝进入 Unity 工程中时，可能还需要引入 Input System 插件，该插件直接从 Package Manager 中下载最新版即可。
此外，需要注意的是，如果在引入本地插件之后，改变了该插件的位置，会导致工程报错，此时需要在 Package Manager 中重新定位一下插件。
五、在 Anaconda 中创建 ML-Agent 环境
打开 Anaconda Prompt 进入控制台
// 查看已有的所有环境
conda-env list
如果没有创建过环境时，就会显示如下：
(base) C:\Users\Administrator>conda-env list
# conda environments:
#
base * C:\anaconda\Anaconda3
创建环境的命令如下：
// 创建新环境
conda create -n ml-agents python=3.9
ml-agents是环境名称，此处可以自己设置。python=3.9是将该环境设置成 Python 3.9 版本，此处也可以自己配置，但是需要符合 ML-Agent 的最低标准。
激活环境
打开 Anaconda Prompt 时默认的路径如下：
(base) C:\Users\Administrator>
// 激活 ml-agents 环境
(base) C:\Users\Administrator>activate ml-agents
(ml-agents) C:\Users\Administrator>
可以看到，激活后前方的 (base) 变成了 (ml-agents)，说明此时处于 ml-agents 的虚拟环境中。
退出环境：
当前版本退出环境的命令如下：
// 退出 ml-agents 环境
(ml-agents) C:\Users\Administrator>conda deactivate
(base) C:\Users\Administrator>
可能是由于版本问题，网上有些文章中的退出命令和此处使用的不同。
升级 pip：
进入 ml-agents 环境，执行升级 pip 的命令，保证 pip 是比较新的版本，否则可能在下载其他插件的过程中出现问题。
(ml-agents) C:\Users\Administrator>python.exe -m pip install --upgrade pip
六、安装 PyTorch
- 激活创建的 ML-Agent 环境
(base) C:\Users\Administrator> activate ml-agents
- 根据官方文档，使用 pip 指令下载 PyTorch，该插件较大需要耐心等待，如果中途报错可能是和网络有关，确保 pip 是最新版本，然后尝试重新下载，或者找一下其他的源。
(ml-agents) C:\Users\Administrator>pip3 install torch~=1.7.1 -f https://download.pytorch.org/whl/torch_stable.html
-f 就是从指定 url 文件中查找包的下载链接，从后面紧跟的 url 参数获得的文件中，找 pip 要安装的包文件（而不是从默认的 pip 安装源）。
七、安装需要的 Python 包
为了进行自定义的训练，还需要安装两个 Python 包，这两个包都包含在 Release 20 的压缩文件中。
ml-agents：包含了机器学习算法，使用户能够在 Unity 场景中训练行为。ml-agents-envs：包含一组 Python API，用于与 Unity 场景交互，它是促进 Unity 场景和 Python 机器学习算法之间数据消息传递的基础层。因此，ml-agents依赖于ml-agents-envs。
安装方式是打开 Anaconda Prompt，激活之前创建的 ml-agents 环境，然后通过 cd 命令分别导航到 Release 20 解压的文件夹内对应的目录中，之后使用 pip 命令进行安装。
pip install .
在安装 ml-agents-envs 过程中有可能会遇到报错：
TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
1. Downgrade the protobuf package to 3.20.x or lower.
2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
根据需求就是下载低版本的 protobuf 即可。
经过试错，我下载了 3.19.6 版本
pip3 install protobuf==3.19.6
之后就可以正常安装了。
全部安装完成后，可以使用 mlagents-learn --help 来测试是否安装成功。
至此，初步的 Unity ML-Agents 环境就布置结束了，接下来就可以尝试使用官方给出的几个 Demo 了。