/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
mrbalance · dense
Опубликована
14 авг 2026

MrBalance

Обучение с подкреплением3 профессии

MrBalance — компактная MLP-модель обучения с подкреплением для управления пластиной и балансировки объектов в MuJoCo.

26скачиваний за 30 дней10лайковвеса обновлены17 авг 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

MrBalance — модель для обучения с подкреплением от автора fromziro, предназначенная для балансировки объектов на подвижной пластине. Она использует общую для актёра и критика MLP-архитектуру MrBalanceMLPForRL: вектор наблюдений размером 64 проходит через четыре слоя с ширинами 128, 128, 128 и 64 и активациями SiLU. Актёр формирует два управляющих воздействия для осей крена и тангажа с гауссовой политикой, обучаемыми стандартными отклонениями и ограничением действий диапазоном [-1, 1]; критик оценивает ценность состояния V(s).

Модель ориентирована на непрерывное управление в среде MuJoCo. В карточке описано обучение на сфере, яйце и тяжёлом мяче. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или сведений о переносе политики на другие среды.

Сценарии применения

  • балансировка сферы на подвижной пластине
  • удержание яйца на пластине с управлением креном и тангажом
  • балансировка тяжёлого мяча в симуляции MuJoCo
  • эксперименты с непрерывным управлением и политиками Actor-Critic

Ограничения

Описанное обучение охватывает только сферу, яйцо и тяжёлый мяч; перенос на другие объекты и среды не подтверждён. Карточка не сообщает количественные результаты оценки.

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

MrBalance

Mr. Balance is a plate, and his only goal is to balance whatever object is placed onto him.

Mr. Balance hates when objects fall, so he tries to keep them balanced.

Model Architecture

  • Base Architecture: MrBalanceMLPForRL
  • Observation Size: 64
  • Hidden Size: 128 (first, second and third layer)
  • Bottleneck Size: 64 (last layer)
  • Layers: 4
  • Action Space: 2

Mr. Balance uses a shared Actor-Critic MLP designed for continuous-control reinforcement learning. The 64-dimensional observation vector is passed through the four layers with widths of 128 for the first 3 layers and 64 for the last one, using SiLU activations between each of them. The resulting 64-dimensional bottleneck representation is shared by both the actor and critic. The actor produces two control outputs corresponding to the plate's roll and pitch axes, using a Gaussian policy with learned action standard deviations and Tanh squashing to constrain actions to [-1, 1]. The critic uses the same representation to estimate the scalar state value V(s). This shared architecture keeps the policy net small while allowing it to combine object position, velocity, orientation, plate state, and object-property stuff into a combined control representation.

Training Configuration

  • Number of Environments: 8
  • Rollout Steps: 512
  • PPO Epochs: 6
  • Minibatch Size: 2048
  • Gamma: 0.99
  • GAE Lambda: 0.95
  • Clip Coefficient: 0.20
  • Value Coefficient: 0.50
  • Entropy Coefficient: 0.005
  • Maximum Gradient Norm: 0.50
  • Learning Rate: 3e-4
  • Adam Epsilon: 1e-5
  • Anneal Learning Rate: true
  • Number of Episodes: 12756
  • Maximum Episode Steps: 10000

Training Objects

  • Sphere
  • Egg
  • Heavy Ball

Training Results

ObjectReward MeanLen MeanSurvival %Tracking Err
sphere24,398.4810,000.0100.0%0.0205m
egg23,240.4210,000.0100.0%0.0458m
heavy_ball24,310.6810,000.0100.0%0.0401m

Mr. Balance excels at balancing all the objects he was trained on, but does he generalize to other objects?

ObjectReward MeanLen MeanSurvival %Tracking Err
sphere24,398.4810,000.0100.0%0.0205m
disk21,191.5610,000.0100.0%0.1362m
egg23,240.4210,000.0100.0%0.0458m
cup21,702.1710,000.0100.0%0.1242m
coin20,973.7610,000.0100.0%0.1428m
stick13,601.428,477.480.0%0.3399m
tall22,265.7710,000.0100.0%0.1077m
triangle18,794.9910,000.0100.0%0.2181m
block21,489.3810,000.0100.0%0.1316m
puck21,265.3310,000.0100.0%0.1361m
cone18,327.3810,000.0100.0%0.2316m
capsule22,302.9210,000.0100.0%0.1097m
wedge18,921.3310,000.0100.0%0.2148m
tetra18,838.9610,000.0100.0%0.2165m
flat_bar20,550.9310,000.0100.0%0.1526m
cross21,394.6310,000.0100.0%0.1435m
L_shape21,221.4110,000.0100.0%0.1389m
wide_block20,857.8410,000.0100.0%0.1611m
heavy_ball24,310.6810,000.0100.0%0.0401m
offcenter_block21,408.2210,000.0100.0%0.1395m

The answer is yes; Mr. Balance excels at balancing a wide range of objects, not just the three he was trained on.

Inference

First install the required dependencies:

pip install torch transformers safetensors "mujoco==3.10.0" numpy

Windows users also might need the Microsoft C++ Build Tools:

https://visualstudio.microsoft.com/visual-cpp-build-tools/

Next, download both inference.py and balance_plate_rl.py and run:

python inference.py

Add --render for live visual rendering or/and --object to choose a specific object.

License

Apache 2.0.

Citation

@misc{mrbalance,
  title        = {Mr. Balance: Teaching RL agents to Balance Objects},
  organization = {FromZero},
  authors      = {Paul Courneya},
  year         = {2026},
  url          = {https://huggingface.co/fromziro/MrBalance]
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Класс архитектуры
MrBalanceMLPForRL
Ревизия весов
ea3330d

0 моделей