PPO Agent Playing LunarLander-v3
This is a trained model of a PPO agent playing LunarLander-v3 using the stable-baselines3 library.
Evaluation Results
- Mean Reward: -515.49 +/- 146.92
ppo-LunarLander-v3
Обучение с подкреплением
Обученный PPO-агент для управления посадочным модулем в среде LunarLander-v3.
2скачиваний за 30 дней0лайковвеса обновлены31 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
Это обученный агент на основе алгоритма Proximal Policy Optimization (PPO), созданный автором репозитория kvpratama для игры LunarLander-v3 с использованием библиотеки Stable-Baselines3. Агент предназначен для управления посадочным модулем в среде Gymnasium LunarLander-v3, где нужно выбирать действия, чтобы посадить аппарат.
По результатам оценки средняя награда составляет −515,49 ± 146,92, что указывает на слабый результат в этой среде. Модель работает с действиями и состояниями среды обучения с подкреплением; сведения о размере, контексте и лицензии в предоставленных источниках отсутствуют.
Сценарии применения
- эксперименты с PPO в Gymnasium
- оценка агента в среде LunarLander-v3
- изучение обучения с подкреплением на примере посадки модуля
Ограничения
В предоставленной оценке средняя награда агента отрицательная и низкая: −515,49 ± 146,92. Лицензия и сведения о применении вне LunarLander-v3 не приведены.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.
- Ревизия весов
- 529f5f3