Агент PPO для управления Super Mario World и экспериментов со скоростным прохождением первого уровня.
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 веса агента на основе PPO, обученного с нуля для управления персонажем в первом уровне Super Mario World на SNES. Модель разработана в рамках группового проекта курса Modern Game AI в Leiden University, где сравнивались методы DQN, PPO и SAC для скоростного прохождения уровня.
Репозиторий содержит лучший чекпойнт policy- и value-сетей best_model.pth и последний чекпойнт progress.pth для возобновления обучения. Модель предназначена для экспериментов с обучением с подкреплением и игровыми агентами; указана лицензия MIT. Для практического использования потребуется среда, совместимая с игрой и интерфейсом агента.
Обучение и назначение ограничены первым уровнем Super Mario World; для запуска требуется совместимая игровая среда и интерфейс взаимодействия. В README не приводятся количественные результаты прохождения или детали архитектуры сетей.
README от автора на Hugging Face, как он его опубликовал
From-scratch PPO checkpoints for a group project comparing DQN, PPO and SAC on speedrunning the first level of Super Mario World (SNES), for the Modern Game AI course at Leiden University.
Code and full details: https://github.com/kevin-bretz/mario-tas-ppo
best_model.pth is the best-performing policy and value network.progress.pth is the latest training checkpoint, for resuming training.На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · pytorch
RL-агенты не запускаются как сервис инференса.