/ Модель

Характеристики

Библиотека
ml-agents
Опубликована
26 июл 2026

poca-SoccerTwos

Обучение с подкреплением

Обученная политика POCA для управления командами в футбольной среде Unity SoccerTwos.

15скачиваний за 30 дней0лайковвеса обновлены26 июл 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

Это обученная многоагентная модель обучения с подкреплением для игры в футбол в среде Unity SoccerTwos. Модель разработана в рамках курса Hugging Face Deep Reinforcement Learning и использует алгоритм POCA (MA-POCA) из ML-Agents; опубликованные веса представлены в формате ONNX.

Политика предназначена для управления агентами в матче двух команд по два игрока, где цель — забить больше голов сопернику за отведённое время. Её можно использовать в рабочем окружении Unity ML-Agents для запуска или изучения поведения агентов в SoccerTwos.

Модель специализирована на этой игровой среде и не предназначена для обычных текстовых или мультимодальных задач. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление агентами в матче SoccerTwos
  • изучение многоагентного обучения с подкреплением
  • воспроизведение футбольной симуляции в Unity ML-Agents

Ограничения

Политика обучена для среды SoccerTwos и её игрового сценария; её применимость к другим средам не подтверждена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ML-Agents SoccerTwos Model for Deep RL Course Unit 7

This is a trained multi-agent reinforcement learning model using the POCA (MA-POCA) trainer algorithm to play soccer in the Unity SoccerTwos environment.

This model was trained as part of the Hugging Face Deep Reinforcement Learning Course.

Environment Details

  • Name: SoccerTwos
  • Number of Teams: 2 (Blue vs Purple)
  • Agents per Team: 2
  • Goal: Outscore the opposing team within the time limit.

Training Configuration

The training was conducted with shortened parameters to optimize computation overhead:

  • Max Steps: 500,000
  • Hidden Units: 128
  • Batch Size: 1024
  • Trainer Type: poca

How to Use

To inspect or utilize this policy file locally within your ML-Agents environment workspace, look at the uploaded .onnx binary file inside this repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · ml-agents

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
59dc578

0 моделей