/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
2 июн 2022

tqc-PandaPush-v1

Обучение с подкреплением3 профессии

Обученный агент TQC для выполнения задачи в симуляционной среде PandaPush-v1.

129скачиваний за 30 дней0лайковвеса 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 обученный агент TQC для среды PandaPush-v1, опубликованный организацией Stable-Baselines3 (sb3). Модель создана с использованием библиотеки stable-baselines3 и обучающей инфраструктуры RL Zoo, которая предоставляет инструменты обучения и предварительно обученные агенты.

Агент предназначен для выполнения задачи PandaPush-v1 в симуляционной среде: его можно загрузить через RL Zoo и запустить для взаимодействия со средой. Карточка не сообщает размер модели, параметры среды или результаты оценки, поэтому эти характеристики не описываются. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • Запуск агента в симуляции PandaPush-v1
  • Демонстрация обучения с подкреплением на примере TQC
  • Использование предобученного агента через Stable-Baselines3 RL Zoo

Ограничения

Описанное применение ограничено средой PandaPush-v1; данные не подтверждают переносимость агента на другие среды или реальные роботизированные системы.

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 PandaPush-v1

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

Training (with the RL Zoo)

python train.py --algo tqc --env PandaPush-v1 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo tqc --env PandaPush-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
f8752b4

0 моделей