/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
14 авг 2026

ppo-LunarLander-v3

Обучение с подкреплением

Обученный агент PPO для управления посадочным модулем в симуляции LunarLander-v3.

3скачиваний за 30 дней1лайквеса обновлены14 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

Модель roshana1s/ppo-LunarLander-v3 — обученный агент PPO для среды LunarLander-v3, опубликованный пользователем roshana1s. Она использует библиотеку Stable-Baselines3 и предназначена для управления посадочным модулем в симуляции: агент получает состояние среды и выбирает действия для посадки. Репозиторий содержит веса в формате PyTorch.

Модель подходит для демонстраций и экспериментов с обучением с подкреплением и управлением в симуляторе. README не сообщает размер модели, параметры наблюдений и действий или условия лицензии, поэтому эти характеристики не уточняются.

Сценарии применения

  • посадка модуля в симуляции LunarLander-v3
  • демонстрация обучения с подкреплением на задаче управления
  • эксперименты с агентом PPO в Stable-Baselines3

Ограничения

Агент обучен для конкретной среды LunarLander-v3, поэтому его применение за её пределами не подтверждено. Лицензия и дополнительные сведения об обучении в карточке не приведены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing LunarLander-v3

This is a trained model of a PPO agent playing LunarLander-v3 using the stable-baselines3 library.

Usage (with Stable-Baselines3)

Install the required libraries:

pip install stable-baselines3 huggingface-sb3 "gymnasium[box2d]"

Load the trained PPO agent from the Hugging Face Hub:

import os
import gymnasium as gym

from stable_baselines3 import PPO
from stable_baselines3.common.evaluation import evaluate_policy
from huggingface_sb3 import load_from_hub

# Required by huggingface_sb3 when loading the model
# Only enable this for repositories you trust
os.environ["TRUST_REMOTE_CODE"] = "True"

# Download the trained model
checkpoint = load_from_hub(
    repo_id="roshana1s/ppo-LunarLander-v3",
    filename="ppo-LunarLander-v3.zip",
)

# Load the PPO model
model = PPO.load(checkpoint)

# Create the LunarLander environment
env = gym.make("LunarLander-v3")

# Evaluate the agent
mean_reward, std_reward = evaluate_policy(
    model,
    env,
    n_eval_episodes=10,
    deterministic=True
)

print(f"Mean reward: {mean_reward:.2f} +/- {std_reward:.2f}")

env.close()

Run the Agent

env = gym.make("LunarLander-v3", render_mode="human")

obs, info = env.reset()

terminated = False
truncated = False

while not (terminated or truncated):
    action, _ = model.predict(obs, deterministic=True)
    obs, reward, terminated, truncated, info = env.step(action)

env.close()

Как запустить

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

GPU в ailist

Универсальный рантайм · stable-baselines3

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
9d61ce1

0 моделей