/ Модель

Характеристики

Библиотека
gymnasium
Опубликована
21 авг 2026

lunar-lander-dqn

Обучение с подкреплением

Обученный агент Double Dueling DQN управляет посадкой аппарата в симуляторе Gymnasium LunarLander-v3.

5скачиваний за 30 дней0лайковвеса обновлены21 авг 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 Double Dueling Deep Q-Network (DQN) для среды Gymnasium LunarLander-v3. Модель использует методы Double DQN и Dueling DQN и обучалась в течение 1000 эпизодов с уменьшением вероятности исследования от 1,0 до 0,05. Формирование награды поощряет вертикальное положение аппарата, мягкое снижение и посадку между флагами площадки.

Агент предназначен для управления посадочным модулем в симуляции: он выбирает действия по наблюдениям среды, стремясь снизить скорость касания и удержать аппарат в центре площадки. Репозиторий указывает формат PyTorch и библиотеку Gymnasium. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление посадкой лунного модуля в LunarLander-v3
  • обучение и демонстрация алгоритма Double DQN
  • сравнение вариантов DQN в среде Gymnasium
  • эксперименты с формированием награды для мягкой посадки

Ограничения

Модель описана для конкретной среды LunarLander-v3; перенос на другие среды не подтверждён. В предоставленных данных нет сведений о лицензии и количественных результатах оценки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🛰️ Double Dueling DQN Agent - LunarLander-v3 (Stylish Precision Landing)

This repository contains a trained Double Dueling Deep Q-Network (DQN) agent for the Gymnasium LunarLander-v3 environment.

The agent was trained for 1000 episodes with an Epsilon exploration schedule decaying from 100% (1.0) to 5% (0.05), combined with custom stylish & smooth landing reward shaping (vertical attitude control $\theta \approx 0$, soft touchdown descent rate, and helipad center alignment).


🎯 Model Hyperparameters

ParameterValue
AlgorithmDouble Dueling DQN
EnvironmentGymnasium LunarLander-v3
State Dimension8
Action Dimension4 (Discrete: Idle, Left RCS, Main Thruster, Right RCS)
Total Episodes1000
Epsilon Schedule1.0 (100%) $\rightarrow$ 0.05 (5%)
Discount Factor ($\gamma$)0.99
Target UpdateSoft Polyak Averaging ($\tau = 0.005$)
Learning Rate5e-4 (Adam Optimizer)
Loss FunctionSmooth L1 (Huber Loss)
Replay Buffer Capacity100,000
Batch Size64

🚀 How to Load and Test the Model

import torch
import gymnasium as gym
from lunar_dqn_agent import DQNAgent

# 1. Initialize environment
env = gym.make("LunarLander-v3", render_mode="human")
state, _ = env.reset(seed=42)

# 2. Load trained DQN Agent
agent = DQNAgent()
agent.load("best_lunar_dqn.pth")

total_reward = 0
done = False

while not done:
    # Select best greedy action (evaluation mode)
    action, q_values, _ = agent.select_action(state, evaluate=True)
    next_state, reward, terminated, truncated, _ = env.step(action)
    done = terminated or truncated
    state = next_state
    total_reward += reward

print(f"Landing Completed! Total Reward: {total_reward:.2f}")
env.close()

🏆 Features

  • Smooth Descent: Soft vertical velocity control preventing hard impacts.
  • Upright Posture: High angular stability with minimum wobbling.
  • Precision Touchdown: Guided landing directly between the target flags.

Как запустить

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

GPU в ailist

Универсальный рантайм · gymnasium

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
691f933

0 моделей