Record/TIL

행위패턴행위 패턴(Behavioral Patterns)은 객체 간의 책임 분배와 상호작용을 관리하는 데 중점을 둔다.  종류커맨드 패턴 (Command Pattern) 개요: 커맨드 패턴은 요청을 객체로 캡슐화하여, 요청을 큐에 넣거나 로깅하거나 작업 취소를 가능하게 한다. 이 패턴은 명령을 실행할 책임이 있는 객체와 명령을 발행하는 객체를 분리한다.Unity 예시: 게임에서 플레이어가 특정 행동을 취했을 때(예: 공격, 점프) 그 행동을 커맨드 객체로 캡슐화할 수 있다. 이를 통해 행동을 큐에 저장하거나 기록할 수 있고, 행동 취소(undo)나 재실행(redo)을 쉽게 구현할 수 있다.구성 요소:커맨드 (Command): 행동을 정의하는 인터페이스ConcreteCommand: 커맨드 인터페이스를 구현하..

서론하나의 폰트만 사용하는데 여러 효과를 구분해서 사용하고 싶은데 그럴때마다 폰트를 복사해야하나? 정답은 No폰트도 머티리얼이 있어서 하나의 폰트를 여러개의 머티리얼로 관리해주면된다. 본론적용 방법 - 기본 머티리얼  - 추가로 만든 머티리얼 적용  >> 방법은 간단하다.  1. 본인이 사용하는 폰트의 머티리얼의 인스펙터창으로 이동  2. 기본 머티리얼 복사  3. 머티리얼 생성  4. 복사했으면 원하는 폰트 모양으로 꾸며주기  5. 본인이 원하는 머티리얼로 적용하면 끝   결론간단하게 폰트 여러개를 복사하지 않아도 사용할 수 있습니다. 알아보기쉽게 이름 설정 잘 하세요..

첫 번째 도전ProjectSetting 내에서 마우스 텍스쳐 바꾸는 방법에디터 상에서는 작동이상 없지만 빌드후에는 텍스쳐 오류로 적용이 안되는 오류가 생김  두 번째 도전코드를 이용하여 마우스 포인터 변경 방법 ChangeCursor.csusing System.Collections;using System.Collections.Generic;using UnityEngine;public class ChangeCursor : MonoBehaviour{ [SerializeField] private Texture2D menuCursor; private void Start() { Cursor.SetCursor(menuCursor, Vector2.zero, CursorMode.Fo..

Resolution화면 해상도를 나타내는 구조체width: 해상도의 너비를 픽셀 단위로 나타낸다.height: 해상도의 높이를 픽셀 단위로 나타낸다.refreshRate: 해상도의 수직 재생률을 Hz 단위로 나타낸다 코드using System.Collections.Generic;using TMPro;using UnityEngine;using UnityEngine.UI;public class GraphicManager : MonoBehaviour{ [SerializeField] private TMP_Dropdown resolutionsDropdown; List resolutions = new List(); int resolutionNum; private void Start() {..

Continuous Actions (연속적 행동)행동 공간이 연속적인 값으로 표현된다. 예를 들어, 에이전트가 이동하는 방향이나 속도를 연속적으로 조절할 수 있다. 값이 연속적이기 때문에 행동 공간이 무한대에 가까운 범위를 가질 수 있다.예시: 자동차의 스티어링 각도나 속도 조절, 캐릭터의 움직임에서의 x, y, z 축의 이동 등  Discrete Actions (이산적 행동)유한한 행동 집합에서 선택하는 방식이다. 행동 공간이 특정한 선택지로 나뉘며, 각 선택지는 명확하게 구분된다.예시: 왼쪽으로 이동, 오른쪽으로 이동, 점프하기, 앉기 등   차이점연속행동은 무한에 가까운 범위의 값으로 행동을 표현하는 반면, 이산행동은 명확히 구분된 행동 선택지를 제공한다.연속행동은 세밀한 제어가 필요한 상황에 적합..

ML-Agent란?Unity ML-Agents Toolkit은 Unity 엔진을 사용하는 게임 및 시뮬레이션 환경에서 인공지능(AI) 에이전트를 훈련하고 평가할 수 있도록 돕는 오픈 소스 도구이다. 이 툴킷은 강화 학습, 모니터링 및 시뮬레이션을 통해 다양한 AI 모델을 개발할 수 있는 기능을 제공한다. ML-Agents Toolkit을 사용하면 게임 캐릭터, 로봇, 자율주행 차량 등 다양한 에이전트를 훈련시키는 데 필요한 작업을 쉽게 수행할 수 있다.  ML-Agent 종류 1. Proximal Policy Optimization (PPO)특징:정책 기반 알고리즘으로, 에이전트의 행동을 직접적으로 학습한다.단기 및 장기 목표를 균형 있게 학습한다.중요도 샘플링(Importance Sampling)을 통..