/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
2 июн 2022

sac-BipedalWalkerHardcore-v3

Обучение с подкреплением3 профессии

Обученный агент SAC для управления двуногим персонажем в симуляции BipedalWalkerHardcore-v3.

8 774скачиваний 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 Soft Actor-Critic (SAC) для среды BipedalWalkerHardcore-v3, опубликованный организацией sb3. Модель создана с использованием Stable-Baselines3 и обучающей инфраструктуры RL Zoo.

Агент предназначен для управления двуногим персонажем в симуляции: он получает наблюдения среды и выбирает действия, чтобы проходить сложный маршрут. Модель представлена в формате PyTorch и рассчитана на запуск в совместимой среде BipedalWalkerHardcore-v3 через Stable-Baselines3 или RL Zoo.

Это специализированный чекпойнт для обучения с подкреплением и демонстрации управления в симуляции. README не приводит числовую оценку качества или подробностей обучения; применение зависит от совместимой версии среды и программных библиотек. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление двуногим роботом в среде BipedalWalkerHardcore-v3
  • демонстрация обучения с подкреплением на непрерывных действиях
  • оценка алгоритма SAC в симуляции ходьбы
  • эксперименты со Stable-Baselines3 и RL Zoo

Ограничения

Агент предназначен для конкретной среды BipedalWalkerHardcore-v3 и не является универсальным контроллером. Результаты зависят от совместимости версии среды и библиотек; количественные показатели качества в README не приведены.

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

SAC Agent playing BipedalWalkerHardcore-v3

This is a trained model of a SAC agent playing BipedalWalkerHardcore-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 sac --env BipedalWalkerHardcore-v3 -orga sb3 -f logs/
python enjoy.py --algo sac --env BipedalWalkerHardcore-v3  -f logs/

Training (with the RL Zoo)

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

Hyperparameters

OrderedDict([('batch_size', 256),
             ('buffer_size', 1000000),
             ('ent_coef', 0.005),
             ('gamma', 0.99),
             ('gradient_steps', 1),
             ('learning_rate', 'lin_7.3e-4'),
             ('learning_starts', 10000),
             ('n_timesteps', 10000000.0),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs', 'dict(net_arch=[400, 300])'),
             ('tau', 0.01),
             ('train_freq', 1),
             ('normalize', 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
296d394

0 моделей