Производная модели Tunamelon/ppo-LunarLander-v2. Обученный агент PPO для управления посадочным модулем в симуляции LunarLander-v2.
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 Vishalraj-N/ppo-LunarLander-v3 на Hugging Face совпадает с карточкой Tunamelon/ppo-LunarLander-v2, поэтому описание составлено по ней.
Модель Tunamelon/ppo-LunarLander-v2 — обученный агент PPO для среды LunarLander-v2 из библиотеки Stable-Baselines3. Она предназначена для управления посадочным модулем в симуляции: агент получает состояние среды и выбирает действия, стремясь выполнить посадку.
Модель использует обучение с подкреплением и опубликована в формате PyTorch. README подтверждает, что это обученный агент, но не приводит оценок качества, деталей обучения или примера завершённого кода загрузки. Лицензия в предоставленных данных не указана.
Карточка не приводит оценок качества или деталей обучения, а раздел с примером загрузки оставлен незавершённым. Агент описан для конкретной симуляционной среды LunarLander-v2.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a PPO agent playing LunarLander-v2 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-baselines2
RL-агенты не запускаются как сервис инференса.