Implementasi Unity-gymnasium pada Environment Reinforcement Learning Berbasis Unity

Abstract

Unity ML-Agents merupakan framework reinforcement learning berbasis Unity yang mampu untuk mensimulasikan environment dengan skenario yang kompleks dan realistis. Meskipun dengan kemampuannya tersebut, Unity ML-Agents Toolkit memiliki keterbatasan pada pilihan algoritma yang tersedia untuk melakuan training agent. Untuk menjawab permasalah tersebut, maka dalam penelitian ini diusulkan sebuah alternatif framework reinforcement learning berbasis Unity yang dinamakan Unity-Gymnasium. Framework ini mengintegrasikan Unity dengan library Python yang bernama Gymnasium, memungkinkan game scene pada Unity berfungsi sebagai environment simulasi yang berinteraksi dengan agent saat melakukan training dengan memanfaatkan berbagai library reinforcement learning yang mendukung Gymnasium. Sebagai proof of concept, dibuat sebuah beberapa environment, yaitu environment rocket landing, pathfinding, ball balancing, dan sliding puzzle dengan mengimplementasikan framework Unity-Gymnasium. Hasil pengujian yang dilakukan membuktikan bahwa setiap environment yang telah dibuat dengan mengimplementasikan framework Unity-Gymnasium mampu berfungsi sebagai environment reinforcement learning yang dapat melatih agent. Selain itu, permasalahan terbatasnya algoritma pada Unity ML- Agents Toolkit juga terjawab dengan adanya penggunaan library Gymnasium yang dapat mengakses puluhan algoritma dari library-library yang mendukung Gymnasium.