/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
2 июн 2022

tqc-PandaPickAndPlace-v1

Обучение с подкреплением3 профессии

Обученный агент TQC управляет роботизированной рукой Panda для захвата и перемещения объектов в среде PandaPickAndPlace-v1.

53скачиваний за 30 дней7лайковвеса обновлены17 авг 2023

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 обученная модель агента TQC для среды PandaPickAndPlace-v1, опубликованная организацией sb3. Она создана с помощью библиотеки Stable-Baselines3 и фреймворка RL Zoo и предназначена для выполнения задачи захвата и перемещения объектов роботизированной рукой Panda в симуляции.

Модель принимает состояние среды и выдает действия агента для управления роботом. Она относится к глубокому обучению с подкреплением; формат весов — PyTorch. Карточка не сообщает размер модели, длину контекста или языковую поддержку, что типично для агента управления, не работающего с естественным языком. Лицензия в предоставленных данных не указана.

Сценарии применения

  • обучение и демонстрация захвата объектов роботом Panda
  • перемещение объектов в симуляции PandaPickAndPlace-v1
  • эксперименты с глубоким обучением с подкреплением
  • оценка алгоритма TQC в задаче роботизированной манипуляции

Ограничения

Агент предназначен для конкретной среды PandaPickAndPlace-v1; его поведение в других задачах или на реальном оборудовании из карточки не подтверждается.

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

TQC Agent playing PandaPickAndPlace-v1

This is a trained model of a TQC agent playing PandaPickAndPlace-v1 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 tqc --env PandaPickAndPlace-v1 -orga sb3 -f logs/
python enjoy.py --algo tqc --env PandaPickAndPlace-v1  -f logs/

Training (with the RL Zoo)

python train.py --algo tqc --env PandaPickAndPlace-v1 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo tqc --env PandaPickAndPlace-v1 -f logs/ -orga sb3

Hyperparameters

OrderedDict([('batch_size', 2048),
             ('buffer_size', 1000000),
             ('env_wrapper', 'sb3_contrib.common.wrappers.TimeFeatureWrapper'),
             ('gamma', 0.95),
             ('learning_rate', 0.001),
             ('n_timesteps', 1000000.0),
             ('policy', 'MultiInputPolicy'),
             ('policy_kwargs', 'dict(net_arch=[512, 512, 512], n_critics=2)'),
             ('replay_buffer_class', 'HerReplayBuffer'),
             ('replay_buffer_kwargs',
              "dict( online_sampling=True, goal_selection_strategy='future', "
              'n_sampled_goal=4, )'),
             ('tau', 0.05),
             ('normalize', False)])

Panda Gym environments: arxiv.org/abs/2106.13687

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
b1c430a

0 моделей