/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
5 окт 2023

tqc-PandaPickAndPlace-v3

Обучение с подкреплением3 профессии

Обученный агент TQC управляет роботом Panda в симуляции при захвате и перемещении объектов.

14скачиваний за 30 дней5лайковвеса обновлены5 окт 2023

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 TQC для среды PandaPickAndPlace-v3. Модель создана с использованием Stable-Baselines3 и RL Zoo — инструментария для обучения и настройки агентов обучения с подкреплением. Она предназначена для управления роботом Panda при выполнении задачи захвата и перемещения объектов в симуляции.

Агент принимает состояние среды и выдаёт действия для взаимодействия с ней; модель использует PyTorch. Карточка не сообщает размер модели, языки или условия лицензии, поэтому эти характеристики не приводятся.

Сценарии применения

  • Обучение захвату объектов роботом Panda в симуляции
  • Перемещение захваченного объекта в заданное место
  • Эксперименты с TQC в среде PandaPickAndPlace-v3

Ограничения

Агент обучен для конкретной симуляционной среды PandaPickAndPlace-v3; перенос на другие среды или реального робота не подтверждён. В карточке не приведены результаты оценки качества.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TQC Agent playing PandaPickAndPlace-v3

This is a trained model of a TQC agent playing PandaPickAndPlace-v3 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 tqc --env PandaPickAndPlace-v3 -orga chencliu -f logs/
python -m rl_zoo3.enjoy --algo tqc --env PandaPickAndPlace-v3  -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 tqc --env PandaPickAndPlace-v3 -orga chencliu -f logs/
python -m rl_zoo3.enjoy --algo tqc --env PandaPickAndPlace-v3  -f logs/

Training (with the RL Zoo)

python -m rl_zoo3.train --algo tqc --env PandaPickAndPlace-v3 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo tqc --env PandaPickAndPlace-v3 -f logs/ -orga chencliu

Hyperparameters

OrderedDict([('batch_size', 2048),
             ('buffer_size', 1000000),
             ('ent_coef', 'auto'),
             ('gamma', 0.95),
             ('learning_rate', 0.001),
             ('learning_starts', 100),
             ('n_timesteps', 5000000.0),
             ('normalize', True),
             ('policy', 'MultiInputPolicy'),
             ('policy_kwargs', 'dict(net_arch=[512, 512, 512], n_critics=2)'),
             ('replay_buffer_class', 'HerReplayBuffer'),
             ('replay_buffer_kwargs',
              "dict( goal_selection_strategy='future', n_sampled_goal=4 )"),
             ('tau', 0.05),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

Environment Arguments

{'render_mode': 'rgb_array'}

Panda Gym environments: arxiv.org/abs/2106.13687

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
5281121

0 моделей