/ Модель

Характеристики

Опубликована
11 июл 2026

ppo-cartpole-v3

Обучение с подкреплением

Обученный PPO-агент для выбора действий и посадки модуля в среде LunarLander-v3.

0скачиваний за 30 дней0лайковвеса обновлены11 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

Это обученный агент на основе Proximal Policy Optimization (PPO), опубликованный в репозитории RaiseYourHand/ppo-cartpole-v3. Он предназначен для управления средой LunarLander-v3: получает состояние среды и выбирает действия, чтобы посадить посадочный модуль. Модель относится к глубокому обучению с подкреплением; веса представлены в формате PyTorch.

В README заявлена игра в LunarLander-v3, хотя идентификатор репозитория содержит cartpole. Метаданные также содержат тег LunarLander-v3. Другие сведения об архитектуре, размере модели и условиях лицензии в использованных источниках не приводятся.

Сценарии применения

  • управление посадкой модуля в LunarLander-v3
  • эксперименты с алгоритмом PPO в глубоком обучении с подкреплением
  • изучение поведения агента в среде симуляции

Ограничения

README и метаданные расходятся в названии среды: README и тег указывают LunarLander-v3, а идентификатор репозитория содержит cartpole. Совместимость с конкретной конфигурацией среды и условия лицензии не установлены.

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.

Hyperparameters

{'exp_name': 'test'
'seed': 1
'torch_deterministic': True
'cuda': True
'track': False
'wandb_project_name': 'cleanRL'
'wandb_entity': None
'capture_video': False
'env_id': 'LunarLander-v3'
'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': 'RaiseYourHand/ppo-cartpole-v3'
'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
9096c68

0 моделей