Обученный агент PPO для управления посадочным модулем в симуляции LunarLander-v3.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Описание составлено по карточке модели и метаданным Hugging Face
Это обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v3, опубликованный пользователем Arshia-HZ. Модель создана с помощью библиотеки Stable-Baselines3 и предназначена для управления посадочным модулем в симуляции LunarLander-v3.
Агент принимает наблюдения среды и выбирает действия для управления посадкой. Репозиторий содержит веса в формате PyTorch, упакованные в файл ppo-LunarLander-v3.zip; для загрузки и применения указан Stable-Baselines3. Лицензия в предоставленных данных не указана.
Агент предназначен для среды LunarLander-v3; перенос на другие среды или реальные системы не подтверждён.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a PPO agent playing LunarLander-v3 using the stable-baselines3 library.
from stable_baselines3 import PPO
from huggingface_sb3 import load_from_hub
repo_id = "Arshia-HZ/ppo-LunarLander-v3"
filename = "ppo-LunarLander-v3.zip"
checkpoint = load_from_hub(repo_id, filename)
model = PPO.load(checkpoint)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.