警告：将此课程作为对机器学习的温和介绍，特别关注机器视觉和强化学习。如果你使用的是最新版本，你将在本课程中找到的一些实现细节看起来会有所不同，但关键概念和背景理论仍然有效。有关最新更新，请参阅 ml-agents github 上的官方迁移文件。

了解如何将 Unity 的美感与 Tensorflow 的强大功能相结合，利用最先进的机器学习技术在模拟环境中解决物理问题。

我们研究了卡丁车在简单赛道上比赛的问题，并尝试了三种不同的方法来控制它：简单的 PID 控制器；通过模仿（监督）学习训练的神经网络；以及通过深度强化学习训练的神经网络。

每种技术都有其优点和缺点，我们首先在简单的概念层面以理论的方式展示，然后以实际的方式应用。在所有三种情况下，卡丁车都能够完成一圈而不会发生碰撞。

我们为所有三种解决方案提供 Unity 模板和档案。然后看看你是否可以在它的基础上进一步提高性能。

国际应用工程师，在自动化、机器人技术、计算机视觉和机器学习方面拥有丰富经验。拥有电机工程博士学位，并在全球范围内与工业机器人进行了十多年的技术实践工作。除了积极建模和编程机器人，还喜欢分享知识和辅导学生和工程师。