/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
25 июл 2022

ppo-Pendulum-v1

Обучение с подкреплением3 профессии

Обученный PPO-агент для управления маятником в симуляционной среде Pendulum-v1.

41 261скачиваний за 30 дней6лайковвеса обновлены19 сен 2023

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

Это обученный агент Proximal Policy Optimization (PPO) для среды Pendulum-v1, подготовленный с использованием библиотеки Stable-Baselines3 и фреймворка RL Zoo. Модель предназначена для управления маятником в симуляции: по состоянию среды агент выбирает действия, помогающие удерживать маятник в требуемом положении.

Модель относится к обучению с подкреплением и хранится в формате PyTorch. Для запуска предназначены Stable-Baselines3 и инструменты RL Zoo. Она специализирована для Pendulum-v1; перенос на другие среды или реальные физические системы не подтверждён. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление маятником в среде Pendulum-v1
  • оценка действий PPO-агента в симуляции
  • эксперименты с обучением с подкреплением на задаче управления маятником

Ограничения

Агент обучен для конкретной среды Pendulum-v1; его применимость к другим средам и реальным системам управления не подтверждена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing Pendulum-v1

This is a trained model of a PPO agent playing Pendulum-v1 using the stable-baselines3 library and the RL Zoo.

The RL Zoo is a training framework for Stable Baselines3 reinforcement learning agents, with hyperparameter optimization and pre-trained agents included.

Usage (with SB3 RL Zoo)

RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo SB3: https://github.com/DLR-RM/stable-baselines3 SB3 Contrib: https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

Install the RL Zoo (with SB3 and SB3-Contrib):

pip install rl_zoo3
# Download model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo ppo --env Pendulum-v1 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env Pendulum-v1  -f logs/

If you installed the RL Zoo3 via pip (pip install rl_zoo3), from anywhere you can do:

python -m rl_zoo3.load_from_hub --algo ppo --env Pendulum-v1 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env Pendulum-v1  -f logs/

Training (with the RL Zoo)

python -m rl_zoo3.train --algo ppo --env Pendulum-v1 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env Pendulum-v1 -f logs/ -orga HumanCompatibleAI

Hyperparameters

OrderedDict([('clip_range', 0.2),
             ('ent_coef', 0.0),
             ('gae_lambda', 0.95),
             ('gamma', 0.9),
             ('learning_rate', 0.001),
             ('n_envs', 4),
             ('n_epochs', 10),
             ('n_steps', 1024),
             ('n_timesteps', 100000.0),
             ('policy', 'MlpPolicy'),
             ('sde_sample_freq', 4),
             ('use_sde', True),
             ('normalize', False)])

Environment Arguments

{'render_mode': 'rgb_array'}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · stable-baselines3

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
6a0fe83

0 моделей