Обученный агент PPO на Stable-Baselines3 для управления посадочным модулем в среде 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
Это обученная модель агента PPO, созданная автором репозитория hiranhsw для управления посадкой в среде LunarLander-v2. Модель использует Stable-Baselines3 и политику MlpPolicy, принимающую состояние среды и выбирающую действия для управления посадочным модулем.
Модель предназначена для запуска и экспериментов с обучением агента в LunarLander-v2. В README приведены параметры обучения, включая 500 000 шагов, но не сообщается об оценке качества посадок. Репозиторий предоставляет веса в формате PyTorch; для работы требуется среда LunarLander-v2 и Stable-Baselines3. Лицензия в предоставленных данных не указана.
В данных нет результатов оценки качества агента, поэтому его успешность при посадке не подтверждена. Для запуска требуются Stable-Baselines3 и среда 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.
env = make_vec_env('LunarLander-v2', n_envs=24)
model = PPO(
policy = 'MlpPolicy',
env = env,
n_steps = 1024,
batch_size = 64,
n_epochs = 16,
gamma = 0.999,
gae_lambda = 0.98,
ent_coef = 0.01,
verbose=1)
model.learn(total_timesteps=500000)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.