PPO Agent playing LunarLander-v2
This is a trained model of a PPO agent playing LunarLander-v2 using PyTorch.
Evaluation Results
- Mean Reward: 61.45 +/- 47.29
ppo-LunarLander-v2-unit8
Обучение с подкреплением
Обученный PPO-агент на PyTorch для управления посадочным модулем в среде LunarLander-v2.
0скачиваний за 30 дней0лайковвеса обновлены23 июл 2026
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Публичные оценки
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.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
Модель Diyorbeklaw/ppo-LunarLander-v2-unit8 — обученный на PyTorch агент Proximal Policy Optimization (PPO) для среды LunarLander-v2. Она предназначена для управления посадочным модулем в симуляции: агент получает состояние среды и выбирает действия, стремясь выполнить безопасную посадку.
В README приведён средний результат оценки 61,45 ± 47,29. Это указывает на значительную вариативность результатов; карточка не описывает устройство сети, объём обучения или дополнительные сценарии применения. Репозиторий содержит веса PyTorch; сведения о лицензии отсутствуют в предоставленных данных.
Сценарии применения
- управление посадочным модулем в симуляции LunarLander-v2
- оценка поведения агента PPO в задаче посадки
- изучение применения обучения с подкреплением к управлению
Ограничения
Средняя награда составляет 61,45 ± 47,29, поэтому качество эпизодов заметно варьируется. Лицензия и применимость за пределами LunarLander-v2 в предоставленных данных не описаны.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
RL-агенты не запускаются как сервис инференса.
- Ревизия весов
- 6d65562