Характеристики

Библиотека: pytorch
Опубликована: 5 сен 2026

Ссылки

freefire-aim-ai

Обучение с подкреплением3 профессии

Экспериментальный агент PPO принимает кадры симулятора прицеливания и предсказывает движение прицела и решение о стрельбе.

4скачиваний за 30 дней0лайковвеса обновлены8 сен 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

amer224/freefire-aim-ai — экспериментальный агент на основе обучения с подкреплением, разработанный автором репозитория для симулятора прицеливания, похожего на Free Fire. Он принимает изображения размером 84×84 пикселя и выдаёт изменения прицеливания и решение о стрельбе. Архитектура — NatureCNN actor-critic примерно на 1,7 млн параметров; обучение сочетает начальную настройку с поведенческим клонированием, PPO и curriculum learning.

Модель предназначена для исследований управления прицеливанием в контролируемом симуляторе. Автор указывает, что агент пока не показал результат в реальных играх; приведённые оценки получены на новых случайных начальных условиях симулятора. В журнале последних обновлений метрики отображаются как nan, поэтому по карточке нельзя подтвердить качество этих последних состояний. Файлы весов и конфигурации предоставлены в формате PyTorch. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

исследование автоматического прицеливания в игровом симуляторе
обучение агента управлению прицелом по изображению
эксперименты с PPO для задач управления в FPS-симуляторе

Ограничения

Модель обучалась и оценивалась в пользовательском симуляторе, а не в реальных играх; последние указанные метрики равны nan, поэтому качество по ним подтвердить нельзя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FreeFire aim agent (Phase 1) — `amer224/freefire-aim-ai`

Pixels (84x84) → aim deltas + fire decision. NatureCNN actor-critic (~1.7M params) trained with BC warm-start + PPO + curriculum in a custom Free-Fire-like aim simulator. Beats nothing yet in real games — this is research scaffolding, and the numbers below are from the controlled simulator on unseen seeds, not live play.

Latest training tail

upd5020 g5140480 L4 HS/hits=nan% acc=nan% kill=nan%
upd5021 g5141504 L4 HS/hits=nan% acc=nan% kill=nan%
upd5022 g5142528 L4 HS/hits=nan% acc=nan% kill=nan%
upd5023 g5143552 L4 HS/hits=nan% acc=nan% kill=nan%
upd5024 g5144576 L4 HS/hits=nan% acc=nan% kill=nan%

Files

best.pt — best-by-unseen-HS/hits checkpoint (model state_dict + meta)
latest.pt — most recent checkpoint (resume: model, optimizer, scaler, global_step, level)
config.yaml, metrics.csv — exact config + full log

Resume / eval

pip install -r requirements.txt
PYTHONPATH=. python3 -m src.train --config configs/base.yaml   # auto-resumes
PYTHONPATH=. python3 -m src.evaluate --ckpt best.pt --level 1 --episodes 100

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов: 7af72dd