/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
29 июн 2026

ppo-LunarLander-v3

Обучение с подкреплением

Обученный на PPO агент для управления посадкой модуля в среде LunarLander-v3 и экспериментов с обучением с подкреплением.

0скачиваний за 30 дней0лайковвеса обновлены30 июн 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

Это обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v3, созданный Raj Verma с использованием библиотеки Stable-Baselines3 в рамках первого раздела курса Hugging Face по глубокому обучению с подкреплением. Агент получает наблюдения среды и выбирает действия, чтобы посадить лунный модуль; средний результат в оценке на 10 эпизодах составил 245,47 при стандартном отклонении 30,51. В карточке этот результат описан как решение задачи посадки с устойчивым управлением.

Модель предназначена для запуска в LunarLander-v3, изучения PPO и экспериментов с агентами для игровых сред. Репозиторий содержит веса в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • Управление посадкой лунного модуля в LunarLander-v3
  • Изучение алгоритма PPO на игровой среде
  • Запуск обученного агента в Stable-Baselines3
  • Сравнение результатов агентов в задаче LunarLander
  • Использование как учебного примера глубокого обучения с подкреплением

Ограничения

Агент предназначен для конкретной среды LunarLander-v3, поэтому его возможности в других средах не подтверждены. Результат оценки получен на 10 эпизодах.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing LunarLander-v3

This is a trained model of a PPO agent playing LunarLander-v3 using the stable-baselines3 library.

This is Unit 1 of the Hugging Face Deep Reinforcement Learning Course.

Results

MetricValue
Mean Reward245.47
Std Reward30.51
Eval Episodes10
Total Timesteps1,000,000

A mean reward above 200 is generally considered "solved" for LunarLander, so this agent lands consistently and efficiently.

Hyperparameters

model = PPO(
    policy="MlpPolicy",
    env=env,
    n_steps=1024,
    batch_size=64,
    n_epochs=4,
    gamma=0.999,
    gae_lambda=0.98,
    ent_coef=0.01,
    verbose=1
)

Usage (with Stable-baselines3)

from stable_baselines3 import PPO
from huggingface_sb3 import load_from_hub
 
repo_id = "ITSRAJ09/ppo-LunarLander-v3"
filename = "ppo-LunarLander-v3.zip"
 
model = load_from_hub(repo_id, filename)
 
import gymnasium as gym
env = gym.make("LunarLander-v3")
 
obs, _ = env.reset()
for _ in range(1000):
    action, _states = model.predict(obs, deterministic=True)
    obs, reward, terminated, truncated, info = env.step(action)
    if terminated or truncated:
        obs, _ = env.reset()

About

Trained as part of my journey toward gaming AI and reinforcement learning engineering. Working through the Hugging Face Deep RL Course, building toward Unity ML-Agents and custom game environments next.

Author: Raj Verma GitHub: github.com/Aaron-01-0 LinkedIn: linkedin.com/in/raj-verma-a99823307

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
893a928

0 моделей