/ Модель

Характеристики

Библиотека
ml-agents
Опубликована
26 мар 2024

drl-course-unit-01-bonus-huggy

Обучение с подкреплением

Обученный агент PPO для игры Huggy в среде Unity ML-Agents, сохранённый в формате ONNX.

114скачиваний за 30 дней0лайковвеса обновлены26 мар 2024

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 модель агента PPO, созданная для игры Huggy с использованием Unity ML-Agents. Она принимает состояние игрового окружения и выдаёт действия агента, позволяя запускать его в совместимой среде Unity, наблюдать за игрой и продолжать обучение через ML-Agents. В репозитории представлены веса в формате ONNX.

Модель предназначена для демонстрации и практики глубокого обучения с подкреплением на игровом задании Huggy. В карточке не указаны размер модели, длина контекста, поддерживаемые естественные языки и лицензия; языковая обработка не является её основной функцией.

Сценарии применения

  • Запуск агента Huggy в совместимой среде Unity
  • Просмотр поведения обученного игрового агента
  • Продолжение обучения агента с помощью ML-Agents
  • Изучение PPO на примере игровой среды

Ограничения

Агент предназначен для игрового окружения Huggy и запуска через совместимую среду ML-Agents; поведение за пределами этой среды не подтверждено. В README и метаданных лицензия не приведена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ppo Agent playing Huggy

This is a trained model of a ppo agent playing Huggy using the Unity ML-Agents Library.

Usage (with ML-Agents)

The Documentation: https://unity-technologies.github.io/ml-agents/ML-Agents-Toolkit-Documentation/

We wrote a complete tutorial to learn to train your first agent using ML-Agents and publish it to the Hub:

Resume the training

mlagents-learn <your_configuration_file_path.yaml> --run-id=<run_id> --resume

Watch your Agent play

You can watch your agent playing directly in your browser

  1. If the environment is part of ML-Agents official environments, go to https://huggingface.co/unity
  2. Step 1: Find your model_id: jostyposty/drl-course-unit-01-bonus-huggy
  3. Step 2: Select your .nn /.onnx file
  4. Click on Watch the agent play 👀

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
4786086

0 моделей