Обученный агент PPO для управления лунным модулем в симуляции LunarLander-v2.
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 обученная модель агента Proximal Policy Optimization (PPO), опубликованная пользователем linker81 для управления аппаратом в среде LunarLander-v2. Модель создана с библиотекой Stable-Baselines3 и использует MlpPolicy.
Агент предназначен для выбора действий в симуляции посадки лунного модуля. Его можно использовать для запуска или изучения агента в LunarLander-v2, а также как пример обучения с подкреплением на Stable-Baselines3. В README указаны параметры обучения: n_steps=1024, batch_size=64, n_epochs=10, gamma=0.999, gae_lambda=0.98 и ent_coef=0.01.
Репозиторий содержит модель в формате PyTorch. Данные указывают на специализированный чекпойнт для одной игровой среды; сведений о лицензии в предоставленных источниках нет.
Модель предназначена для среды LunarLander-v2; переносимость на другие среды не заявлена. Лицензия и количественные результаты обучения в предоставленных источниках не описаны.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a PPO agent playing LunarLander-v2 using the stable-baselines3 library.
model = PPO( policy = 'MlpPolicy', env = env, n_steps = 1024, batch_size = 64, n_epochs = 10, gamma = 0.999, gae_lambda = 0.98, ent_coef = 0.01, verbose=1)
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.