Это обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v3, подготовленный с помощью CleanRL. Он предназначен для управления посадочным модулем в симуляции: агент получает состояние среды и выбирает действия, чтобы посадить модуль безопасно.

Модель использует формат PyTorch и относится к задачам обучения с подкреплением. Карточка указывает, что агент создан для учебного задания Unit 8. Данные о размере модели, поддерживаемых естественных языках и лицензии отсутствуют, поэтому условия распространения определить нельзя.