Производная модели vicsonsam/ppo-LunarLander-v3. Обученный агент PPO_mlp 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
Карточка модели Isics/ppo-LunarLander-v3-test на Hugging Face совпадает с карточкой vicsonsam/ppo-LunarLander-v3, поэтому описание составлено по ней.
vicsonsam/ppo-LunarLander-v3 — обученная модель агента PPO_mlp для игры LunarLander-v3 из Gymnasium, опубликованная на Hugging Face. Она использует алгоритм Proximal Policy Optimization и библиотеку Stable-Baselines3; веса представлены в формате PyTorch.
Модель предназначена для управления посадочным модулем в симуляции LunarLander-v3: агент получает состояние среды и выбирает действия, чтобы безопасно посадить аппарат. Это чекпойнт для задач обучения с подкреплением и экспериментов с игровыми агентами. Лицензия в предоставленных сведениях не указана.
Карточка не содержит инструкции по загрузке и запуску: раздел с примером использования оставлен как TODO. Возможности подтверждены только для среды LunarLander-v3.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a PPO_mlp agent playing LunarLander-v3 using the stable-baselines3 library.
TODO: Add your code
from stable_baselines3 import ...
from huggingface_sb3 import load_from_hub
...
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.