SnowballTarget
This model was trained using Unity ML-Agents as part of the Hugging Face Deep Reinforcement Learning Course Unit 5.
Environment: ML-Agents-SnowballTarget
Algorithm: PPO
Training steps: 200000
Mean reward: 25.75
ppo-SnowballTarget
Обучение с подкреплением3 профессии
PPO-модель в формате ONNX, обученная для взаимодействия с игровой средой ML-Agents-SnowballTarget.
113скачиваний за 30 дней1лайквеса обновлены27 сен 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 модель обучения с подкреплением PPO для среды ML-Agents-SnowballTarget. Она обучена с помощью Unity ML-Agents в рамках пятого раздела курса Hugging Face Deep Reinforcement Learning Course; обучение выполнено за 200 000 шагов, средняя награда составила 25,75.
Модель предназначена для агента, взаимодействующего со средой SnowballTarget. В репозитории представлены веса в формате ONNX. Данные не уточняют устройство наблюдений и действий агента, поэтому конкретный способ управления средой здесь не описан. Лицензия в предоставленных сведениях не указана.
Сценарии применения
- Запуск агента PPO в среде SnowballTarget
- Воспроизведение примера обучения с подкреплением из курса Hugging Face
- Проверка политики агента в Unity ML-Agents
- Интеграция обученного агента ONNX в совместимый проект
Ограничения
В карточке приведена средняя награда 25,75, но не описаны методика оценки и поведение агента в других условиях. Сведения не описывают входные наблюдения и выходные действия модели.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейI.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели
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
RL-агенты не запускаются как сервис инференса.
- Ревизия весов
- 4b394ae