/ Модель

Характеристики

Опубликована
19 июл 2026

ppo-LunarLander-v3

Обучение с подкреплением

Обученный на PPO агент на PyTorch для управления посадочным модулем в симуляции LunarLander-v3.

0скачиваний за 30 дней0лайковвеса обновлены19 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

Модель kapoorkrish/ppo-LunarLander-v3 — обученный агент обучения с подкреплением для среды LunarLander-v3. Разработчик использовал собственную одnofайловую реализацию PPO на PyTorch, близкую к эталонной реализации CleanRL. Агент предназначен для управления посадочным модулем в симуляции LunarLander-v3, получая наблюдения среды и выбирая действия.

В оценке на 10 эпизодах средняя награда составила 12,81 при стандартном отклонении 87,50, что указывает на значительную вариативность результатов. Репозиторий содержит модель в формате PyTorch. Лицензия и сведения о базовой модели не приведены.

Сценарии применения

  • управление посадочным модулем в среде LunarLander-v3
  • эксперименты с обучением с подкреплением
  • изучение и сравнение реализации PPO на PyTorch

Ограничения

Оценка проведена только на 10 эпизодах и показывает высокую вариативность награды (12,81 ± 87,50). Агент предназначен для среды LunarLander-v3; подтверждений применимости к другим средам нет.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent Playing LunarLander-v3

This is a trained PPO agent playing LunarLander-v3, using a custom single-file PyTorch implementation (closely following the CleanRL PPO reference).

Evaluation

Mean reward over 10 episodes: 12.81 +/- 87.50

Hyperparameters

num_envs = 4
num_steps = 128
learning_rate = 0.00025
total_timesteps = 500000
gamma = 0.99
gae_lambda = 0.95
epochs = 4
clip_coef = 0.2
entropy_coef = 0.01
vf_coef = 0.5
max_grad_norm = 0.5
batch_size = 512
minibatch_size = 128

Usage

import torch
from huggingface_hub import hf_hub_download

model_path = hf_hub_download(repo_id="kapoorkrish/ppo-LunarLander-v3", filename="model.pt")
agent = Agent(envs)  # rebuild the same Agent class/architecture used in training
agent.load_state_dict(torch.load(model_path))
agent.eval()

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.

Ревизия весов
1a2360f

0 моделей