Обученный агент REINFORCE для управления тележкой и удержания шеста в среде CartPole-v1.
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
rt4859/Reinforce-CartPole-v1 — обученный агент REINFORCE для среды CartPole-v1. Модель принимает наблюдения среды и выбирает действия, чтобы удерживать шест в равновесии на тележке. В десяти эпизодах оценки агент получил среднюю награду 500,00 ± 0,00. В репозитории указаны веса PyTorch. Модель подходит для демонстрации и изучения обучения с подкреплением на классической задаче управления; сведения о лицензии и ограничениях применения в доступных данных отсутствуют.
Результат оценки относится только к десяти эпизодам CartPole-v1; переносимость на другие среды не подтверждена. Лицензия не указана в предоставленных данных.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a REINFORCE agent playing CartPole-v1.
{
"h_size": 16,
"n_training_episodes": 1000,
"max_t": 1000,
"gamma": 0.99,
"lr": 0.01,
"env_id": "CartPole-v1",
"state_space": 4,
"action_space": 2
}
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
RL-агенты не запускаются как сервис инференса.