Характеристики

Библиотека: stable-baselines3
Опубликована: 24 авг 2026

Ссылки

ppo-seals-CartPole-v0

Обучение с подкреплением

Производная модели HumanCompatibleAI/ppo-seals-CartPole-v0. Обученный агент PPO на Stable-Baselines3 для управления тележкой и балансировки шеста в seals/CartPole-v0.

11скачиваний за 30 дней0лайковвеса обновлены24 авг 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

Карточка модели Rohith67/ppo-seals-CartPole-v0 на Hugging Face совпадает с карточкой HumanCompatibleAI/ppo-seals-CartPole-v0, поэтому описание составлено по ней.

Это обученный агент PPO для среды seals/CartPole-v0, опубликованный HumanCompatibleAI. Модель создана с помощью Stable-Baselines3 и фреймворка RL Zoo для обучения и подбора параметров агентов обучения с подкреплением.

Агент предназначен для управления тележкой и удержания шеста в равновесии в среде CartPole-v0. Его можно использовать для запуска этой среды, изучения поведения обученного PPO-агента и экспериментов с обучением с подкреплением на Stable-Baselines3. Репозиторий содержит веса в формате PyTorch; сведения о размере и лицензии в предоставленных данных отсутствуют.

Сценарии применения

Запуск агента в среде seals/CartPole-v0
Демонстрация обучения с подкреплением на задаче CartPole
Изучение применения PPO в Stable-Baselines3
Эксперименты с RL Zoo и обученными RL-агентами

Ограничения

Модель обучена для конкретной среды seals/CartPole-v0; её пригодность для других сред и задач не заявлена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing seals/CartPole-v0

This is a trained model of a PPO agent playing seals/CartPole-v0 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 seals/CartPole-v0 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env seals/CartPole-v0  -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 seals/CartPole-v0 -orga HumanCompatibleAI -f logs/
python -m rl_zoo3.enjoy --algo ppo --env seals/CartPole-v0  -f logs/

Training (with the RL Zoo)

python -m rl_zoo3.train --algo ppo --env seals/CartPole-v0 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env seals/CartPole-v0 -f logs/ -orga HumanCompatibleAI

Hyperparameters

OrderedDict([('batch_size', 256),
             ('clip_range', 0.4),
             ('ent_coef', 0.008508727919228772),
             ('gae_lambda', 0.9),
             ('gamma', 0.9999),
             ('learning_rate', 0.0012403278189645594),
             ('max_grad_norm', 0.8),
             ('n_envs', 8),
             ('n_epochs', 10),
             ('n_steps', 512),
             ('n_timesteps', 100000.0),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs',
              {'activation_fn': <class 'torch.nn.modules.activation.ReLU'>,
               'net_arch': [{'pi': [64, 64], 'vf': [64, 64]}]}),
             ('vf_coef', 0.489343896591493),
             ('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: d559ef7