3步搞定Unity ML-Agents环境搭建：从安装到运行AI训练全流程

你是否曾因机器学习环境配置繁琐而放弃Unity AI开发？是否在Python与Unity版本兼容性问题上浪费数小时？本文将通过3个核心步骤，帮助你避开90%的常见陷阱，快速搭建可立即用于训练的ML-Agents环境。完成后你将获得：独立隔离的开发环境、兼容的软件版本组合、可运行的示例训练场景，以及解决80%安装问题的故障排除指南。

一、基础环境准备（5分钟完成）

1.1 安装Unity 6000.0+

ML-Agents对Unity版本有严格要求，必须使用6000.0或更高版本。推荐通过Unity Hub安装以方便版本管理，这将帮助你轻松切换不同项目所需的Unity环境。

官方文档：com.unity.ml-agents/Documentation~/Installation.md

1.2 配置Python 3.10.12环境

Python环境是ML-Agents训练的核心，必须使用3.10.12版本（3.10.1 ≤ 版本 ≤ 3.10.12）。更高版本可能导致依赖库不兼容，建议使用Conda创建隔离环境：

conda create -n mlagents python=3.10.12 && conda activate mlagents

Windows用户需特别注意安装x86-64版本的Python，而非x86版本。验证安装：

python --version  # 应显示3.10.12
pip --version     # 确保pip已安装

环境隔离指南：docs/Using-Virtual-Environment.md

二、核心组件安装（10分钟完成）

2.1 获取ML-Agents项目代码

推荐通过Git克隆仓库获取完整示例环境和最新代码：

git clone --branch release_23 https://gitcode.com/gh_mirrors/ml/ml-agents.git

仓库包含关键组件：

• Unity包：com.unity.ml-agents/ - 包含C# SDK和示例场景
• Python库：ml-agents/和ml-agents-envs/ - 训练算法实现

2.2 安装Unity包

1. 打开Unity Hub，导入项目中的Project文件夹
2. 导航至Window > Package Manager
3. 点击+ > Add package from disk
4. 选择com.unity.ml-agents/package.json文件

安装选项：也可通过Unity Package Manager直接安装，但克隆仓库可获得完整示例环境。

2.3 配置Python依赖

激活Conda环境后，安装Python组件：

# Windows用户需先安装PyTorch CUDA版本
pip3 install torch~=2.2.1 --index-url https://download.pytorch.org/whl/cu121

# 安装ML-Agents Python包
cd ml-agents
pip install -e ./ml-agents-envs
pip install -e ./ml-agents

验证安装：

mlagents-learn --help  # 应显示命令帮助信息

三、验证与运行（5分钟完成）

3.1 运行示例环境

1. 在Unity中打开Project/Assets/ML-Agents/Examples/3DBall场景
2. 点击Play按钮，可看到小球在平衡杆上的物理模拟
3. 关闭Play模式，打开终端执行训练命令：

mlagents-learn config/ppo/3DBall.yaml --run-id=first_training

3.2 监控训练过程

训练开始后，会自动启动TensorBoard。在浏览器中访问http://localhost:6006，可查看实时训练指标：

• 奖励值（Reward）随训练步数的变化
• 策略损失（Policy Loss）趋势
• 价值估计（Value Estimate）稳定性

3.3 常见问题解决

Q: Unity与Python版本不匹配？
A: 确保Unity包版本与Python包版本对应，参考版本兼容性表

Q: PyTorch安装失败？
A: Windows用户需先手动安装CUDA版本：pip install torch~=2.2.1 --index-url https://download.pytorch.org/whl/cu121

Q: 训练无响应？
A: 检查防火墙设置，确保Unity与Python之间的端口通信（默认5005）未被阻止

总结与下一步

通过本文3个步骤，你已成功搭建ML-Agents开发环境：

1. 配置了隔离的Python 3.10.12环境
2. 安装了匹配的Unity包和Python库
3. 运行并监控了第一个训练任务

接下来建议探索：

• 自定义环境设计
• 强化学习算法参数调优
• 多智能体协作训练

收藏本文以备后续环境迁移，关注项目更新以获取最新功能。如有其他问题，可查阅官方FAQ或提交issue获取社区支持。

提示：定期执行git pull更新仓库，保持环境为最新稳定版本。