/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
11 мая 2022

Moonman-Lunar-Landing-v2

Обучение с подкреплением

Обученный агент PPO управляет посадочным аппаратом в симуляции LunarLander-v2.

1скачиваний за 30 дней0лайковвеса обновлены16 мая 2022

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

kingabzpro/Moonman-Lunar-Landing-v2 — обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v2 из библиотеки Stable-Baselines3. Модель предназначена для управления посадочным аппаратом в симуляции: по состоянию среды агент выбирает действия, чтобы безопасно посадить аппарат.

Чекпойнт сохранён в формате PyTorch и используется через Stable-Baselines3. Карточка не сообщает размер модели, длину контекста или лицензию. Модель специализирована на одной среде и не предназначена для обработки естественного языка или изображений.

Сценарии применения

  • управление посадкой аппарата в LunarLander-v2
  • эксперименты с обучением PPO в Stable-Baselines3
  • изучение поведения агента глубокого обучения с подкреплением

Ограничения

Модель обучена для конкретной среды LunarLander-v2, поэтому её поведение и применимость к другим задачам не установлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing LunarLander-v2

This is a trained model of a PPO agent playing LunarLander-v2 using the stable-baselines3 library.

Usage (with Stable-baselines3)

Using this model becomes easy when you have stable-baselines3 and huggingface_sb3 installed:

pip install stable-baselines3
pip install huggingface_sb3

Then, you can use the model like this:

import gym

from huggingface_sb3 import load_from_hub
from stable_baselines3 import PPO
from stable_baselines3.common.evaluation import evaluate_policy

# Retrieve the model from the hub
## repo_id =  id of the model repository from the Hugging Face Hub (repo_id = {organization}/{repo_name})
## filename = name of the model zip file from the repository
checkpoint = load_from_hub(repo_id="kingabzpro/Moonman-Lunar-Landing-v2", filename="Moonman-Lunar-Landing-v2.zip")
model = PPO.load(checkpoint)

# Evaluate the agent
eval_env = gym.make('LunarLander-v2')
mean_reward, std_reward = evaluate_policy(model, eval_env, n_eval_episodes=10, deterministic=True)
print(f"mean_reward={mean_reward:.2f} +/- {std_reward}")
 
# Watch the agent play
obs = eval_env.reset()
for i in range(1000):
    action, _state = model.predict(obs)
    obs, reward, done, info = eval_env.step(action)
    eval_env.render()
    if done:
        obs = eval_env.reset()
eval_env.close()

Как запустить

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

GPU в ailist

Универсальный рантайм · stable-baselines3

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
53c82d9

0 моделей