Unity机器学习代理ML-Agents作为连结Unity和机器学习的桥梁，为无数开发者提供了各种可能性。4月，我们进行了第一期UnityML-Agents强化学习直播，向广大开发者介绍了如何使用ML-Agents创建一个强化学习项目，以及如何去训练它。今天将由Unity技术经理鲍健运带领大家重温本次直播的内容。
ML-Agents目前是v0.4版本，加入了好奇心驱动的探索（Curiosity-DrivenExploration）算法，还实现了编辑器内训练（InEditorTraining）模式，丰富了机器学习的功能。在整理原有Platform2D-ML项目时，我将该项目迁移到ML-Agentsv0.4版本，有意将v0.4一部分新功能加入其中。因此，本文中的项目设置与代码与4月25日直播的时候会稍有不同。
这是直播课程内容。
项目介绍
该机器学习示例项目基于Unity官方发布在AssetStore上的2D游戏开发套件—2DGameKit，展示的是通过机器学习的强化学习训练主角Ellen，进行简单的横版过关的游戏操作。
机器学习展示用的关卡是Main场景，是基于2DGameKit的example第一关修改而来的。大家可以发现后面延绵起伏的平台，这些正是用于验证我们机器学习训练结果的。
机器学习训练用的关卡是TrainingScene。它是一个比较封闭，限制比较多的场景。为什么需要做这样的设计呢？
因为现实中的游戏关卡有非常多的状态与参数，其中有一部分是机器学习需要参考和影响的，而另外有一些则是无关甚至是敢干扰的因素。所以需要设计个场景去除尽可能多的不必要因素，帮助机器学习训练的结果趋向于理想的表现。
在这个示例项目中，我们只希望角色Ellen只
