Обученный агент PPO выбирает действия для посадки модуля в симуляции LunarLander-v3.
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 обученный агент PPO для среды LunarLander-v3, опубликованный пользователем rajitb002 и созданный с помощью библиотеки Stable-Baselines3. Модель предназначена для управления посадочным модулем в симуляции: по состоянию среды агент выбирает действия, стремясь выполнить посадку.
Агент обучался в течение 100 000 шагов. Автор предупреждает, что качество может быть низким; в README также отмечено, что при обучении не использовались векторизованные среды. Файлы представлены в формате PyTorch. Условия лицензии в доступных данных не приведены.
Автор предупреждает, что качество агента может быть низким: он обучался 100 000 шагов без векторизованных сред.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a PPO agent playing LunarLander-v3 using the stable-baselines3 library.
It's likely bad because I used 100,000 timesteps and did not create vectorized environments.
TODO: Add your code
from stable_baselines3 import ...
from huggingface_sb3 import load_from_hub
...
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.