/ Модель

Характеристики

Опубликована
27 июл 2026

ppo_scratch-LunarLander-v2

Обучение с подкреплением

Обученный агент PPO для выбора действий в среде LunarLander-v2, показавший среднюю награду −178,99 ± 95,32.

0скачиваний за 30 дней0лайковвеса обновлены27 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 представляет собой обученного агента Proximal Policy Optimization (PPO) для среды LunarLander-v2. Репозиторий содержит веса PyTorch; в метаданных модель отнесена к задачам обучения с подкреплением.

Агент предназначен для выбора действий при управлении посадочным модулем в LunarLander-v2. В опубликованной оценке средняя награда составила −178,99 ± 95,32 за эпизод, что указывает на слабый результат и значительную вариативность. Сведений о лицензии нет.

Сценарии применения

  • эксперименты с PPO в LunarLander-v2
  • оценка агента управления посадочным модулем
  • изучение реализации обучения с подкреплением на PyTorch

Ограничения

В опубликованной оценке средняя награда отрицательная (−178,99 ± 95,32), поэтому качество управления выглядит слабым и нестабильным. Лицензия и условия использования не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent Playing LunarLander-v2

This is a trained PPO agent playing LunarLander-v2.

Evaluation

Mean reward over the evaluation episodes: -178.99 +/- 95.32.

Hyperparameters

{'exp_name': 'ppo'
'seed': 1
'torch_deterministic': True
'cuda': True
'track': False
'wandb_project_name': 'cleanRL'
'wandb_entity': None
'capture_video': False
'env_id': 'LunarLander-v2'
'total_timesteps': 50000
'learning_rate': 0.00025
'num_envs': 4
'num_steps': 128
'anneal_lr': True
'gae': True
'gamma': 0.99
'gae_lambda': 0.95
'num_minibatches': 4
'update_epochs': 4
'norm_adv': True
'clip_coef': 0.2
'clip_vloss': True
'ent_coef': 0.01
'vf_coef': 0.5
'max_grad_norm': 0.5
'target_kl': None
'repo_id': 'Krecik940/ppo_scratch-LunarLander-v2'
'skip_video': True
'eval_episodes': 10
'max_eval_steps': 2000
'max_video_steps': 2000
'local_save_dir': 'artifacts'
'batch_size': 512
'minibatch_size': 128}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
81ab82a

0 моделей