Wie wäre es, wenn Du Deiner 3D-Figur einfach sagst "Lauf dorthin!" anstatt sie wie eine willenlose Marionette Stück für Stück zu bewegen? 

In Unity können wir 3D Character so anlegen, dass sie selbst herausfinden, wie sie sich von A nach B bewegen oder andere Aufgaben erledigen. Das entsprechende Buzzword: "Reinforcement Learning". Was schlicht "Trial and Error" für die 3D Figur bedeutet, die per Machine Learning zahlreiche Versuche unternimmt, bis sie den optimalen Weg findet. Diese Form des maschinellen Lernens macht es genau andersherum, als generative KI wie Text- oder Bildgeneratoren. Anstatt von unzähligen Beispielen zu lernen, läuft das Reinforcement Learning komplett ohne Beispiele, sondern ausschließlich durch Ausprobieren, angetrieben von Belohnungen und… negativen Belohnungen. 

Noch können wir nicht einfach prompten "Lauf!", aber wir können einen Belohnungs-Algorithmus schreiben, also die virtuellen Zuckerstücken so hinlegen, dass die Maschine beim Einsammeln das macht, was wir erwarten. Das Ergebnis ist ein trainiertes Modell ("Gehirn"), das in Echtzeit flexibel auf die Umgebung reagiert.

Um 3D Character auf diese Weise aufzusetzen werden wir in Unity folgende Themen durchgehen:

3D Character Rigging for Machine Learning 

• Hierarchies
• Colliders
• Complex RigidBody Joints

C# Coding for Machine Learning

• Collecting Observations
• Addressing Joints as Actuators/Muscles
• Defining Tasks through Rewards and Penalties 

Wir werden mit dem Toolset ML-Agents arbeiten und praktische Übungen durchgehen, angefangen bei den einfachsten.

https://docs.unity3d.com/Packages/com.unity.ml-agents@4.0/manual/index.html

Anmeldung: ed.ellah-grub@knuf

This class can be held in English. Just let me know.