/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
2 июн 2022

ppo-Walker2d-v3

Обучение с подкреплением3 профессии

Обученный PPO-агент для управления двуногим персонажем в симуляционной среде Walker2d-v3.

160скачиваний за 30 дней0лайковвеса обновлены11 окт 2022

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 Proximal Policy Optimization (PPO) для среды Walker2d-v3, опубликованный организацией sb3 и подготовленный с помощью Stable-Baselines3 и RL Zoo. Модель предназначена для управления двуногим персонажем в симуляции Walker2d-v3: по наблюдениям среды агент выбирает действия, чтобы персонаж передвигался и сохранял равновесие.

Агент относится к глубокому обучению с подкреплением и распространяется в формате PyTorch для использования с инструментами Stable-Baselines3 и RL Zoo. Это специализированная модель для одной симуляционной среды, а не языковая модель; естественные языки и контекстное окно к ней неприменимы. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление двуногим персонажем в Walker2d-v3
  • оценка обученного PPO-агента в симуляции ходьбы
  • эксперименты с глубоким обучением с подкреплением
  • сравнение стратегий управления в MuJoCo

Ограничения

Модель обучена для конкретной среды Walker2d-v3, поэтому её нельзя считать универсальным контроллером для других роботов или сред. В предоставленных данных нет сведений о лицензии.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing Walker2d-v3

This is a trained model of a PPO agent playing Walker2d-v3 using the stable-baselines3 library and the RL Zoo.

The RL Zoo is a training framework for Stable Baselines3 reinforcement learning agents, with hyperparameter optimization and pre-trained agents included.

Usage (with SB3 RL Zoo)

RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo SB3: https://github.com/DLR-RM/stable-baselines3 SB3 Contrib: https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

# Download model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo ppo --env Walker2d-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env Walker2d-v3  -f logs/

Training (with the RL Zoo)

python train.py --algo ppo --env Walker2d-v3 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo --env Walker2d-v3 -f logs/ -orga sb3

Hyperparameters

OrderedDict([('env_wrapper', 'sb3_contrib.common.wrappers.TimeFeatureWrapper'),
             ('n_timesteps', 1000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

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
ccf8cca

0 моделей