多智能体强化学习仿真环境Unreal Engine和Unity3D

选择多智能体强化学习仿真平台的准则
仿真有一个优势就是能比现实世界更快，我们可以通过设置帧率等参数来实现快速训练。多智体仿真环境需要支持多智能体，能拥有良好的物理引擎和环境渲染，多视角观察而不是只有第一人称视角，能构建复杂层级性任务，这些都是为了缩小reality-gap。训练数据收集方便，拥有与Python连接的API，多智能体的创建和控制比较灵活。目前满足这些要求的就有支持多玩家的游戏引擎，如Unreal Engine和Unity3D。

Unreal Engine与AirSim的关系
Unreal Engine通常与Airsim配合使用，作为无人机，无人车的仿真环境。Unreal Engine是一个3D游戏引擎，AirSim是微软开发的一个仿真平台，可以仿真无人车，无人机。用法是把Airsim放在UE虚拟引擎中作为插件，可以方便人们在虚拟场景中添加无人车，无人机等。有了这些对象，我们就要想办法控制这些对象，Airsim提供了API接口，可以方便Python，c++对这些无人机或无人车进行控制。其实就是其他语言脚本中插入对应airsim的扩展包，调用控制无人机姿态，速度等函数。

AirSim与Python之间的通信
小字部分引用自win10配置airsim仿真环境(2021.8.12更新),https://zhuanlan.zhihu.com/p/267321662

AirSim API 使用的是 TCP/IP 中的 msgpack-rpc 协议，这是一种网络通信协议，所以如果设置正确，其实可以用两台不同的电脑来做仿真，一台跑 AirSim 和 Unreal，另一台跑 python程序。

当 AirSim 开始仿真的时候，会打开 41451 端口，并监听这个端口的需求。python 程序使用 msgpack serialization 格式向这个端口发送 RPC 包，就可以与AirSim进行通信了。如果你的计算机的41451 端口已经被其他程序使用了，那么可以通过 settings 文件改变AirSim使用的端口号。

使用这种网络通信协议的方式，可以将 AirSim 和 python程序隔离，互不干扰。所以不需要修改 AirSim 的任何源代码，就可以满足非常多的仿真需求；而且即使python程序中断了，AirSim 的仿真也可以继续进行。

关于rpc的类似于protobuf序列化再反序列化，和zmq类似的传递消息。

Airsim无人机的仿真效果

图片来着Airsim的论文，场景是Unreal Engine渲染出来的，无人机是Airsim插件提供的。
如果你对无人机样式，环境没什么要求的话，就不再需要去学习无人机，环境的建模，直接验证你的算法，当然还是需要学习接口API的。
无人机自带了五个相机分别是：小字部分转自博主「南乔枝6060」-AirSim 无人机模式----修改相机位置及角度

编号0 = front_center
编号1 = front_right
编号2 = front_left
编号3 = bottom_center
编号4 = back_center

每个相机都对应五种状态（黑白景深，彩色目标分割，正常图像用的较多）

“depth”: airsim.ImageType.DepthVis, 黑白景深图像
“segmentation”: airsim.ImageType.Segmentation, 彩色目标分割图像
“seg”: airsim.ImageType.Segmentation, 彩色目标分割图像
“scene”: airsim.ImageType.Scene, 正常图像
“disparity”: airsim.ImageType.DisparityNormalized
“normals”: airsim.ImageType.SurfaceNormals

Unity3D与ml-agents
Unity3D也是目前比较火的一个实时3D拓展平台，由渲染和物理引擎组成，它不仅可以用来做游戏，还能用于建筑，汽车，电影行业的建模。Unity Engine 拥有高保真图形渲染效果，支持预渲染和实时光照，能通过编程或者可视化的界面来操作unity里面的物体以及其对应的组件。目前已有Unity-ml-agent toolkit可以像Airsim一样利用5004端口完成python与unity3D的通信。这个插件目前是依靠pytorch，里面也提供了ppo,sac等算法和多个强化学习的仿真环境，具体可以看这里–>https://github.com/Unity-Technologies/ml-agents。

这是用ppo训练3DBall的截图。

本文为二次转载，如侵权请联系删除。