Производная модели ashish2244/a2c-PandaReachDense-v3. Обученный агент A2C для управления роборукой Panda в среде PandaReachDense-v3.
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
Карточка модели sourav6565/a2c-PandaReachDense-v3 на Hugging Face совпадает с карточкой ashish2244/a2c-PandaReachDense-v3, поэтому описание составлено по ней.
Это обученная модель агента Advantage Actor-Critic (A2C) для среды PandaReachDense-v3, опубликованная пользователем ashish2244 и созданная с помощью Stable-Baselines3. Она предназначена для управления агентом в задаче достижения цели роборукой Panda с плотным вознаграждением, в рамках среды обучения с подкреплением.
Модель принимает состояние среды и выдаёт действия агента. В карточке указан формат PyTorch. Лицензия и подробности о составе наблюдений и действий не приведены.
В README отсутствуют инструкции для запуска: раздел Usage помечен как TODO. Лицензия и детали о наблюдениях и пространстве действий не указаны.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a A2C agent playing PandaReachDense-v3 using the stable-baselines3 library.
TODO: Add your code
from stable_baselines3 import ...
from huggingface_sb3 import load_from_hub
...
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · stable-baselines3
RL-агенты не запускаются как сервис инференса.