PPO (from scratch) - LunarLander-v2
A CleanRL-style PPO agent trained from scratch on LunarLander-v2.
- mean_reward: 229.63 +/- 69.15 (50 deterministic episodes)
Numbers are auto-generated from results.json so the card and results.json always match.
ppo-LunarLander-v2.1
Обучение с подкреплением
Агент PPO на PyTorch, обученный с нуля для управления посадкой модуля в симуляторе LunarLander-v2.
0скачиваний за 30 дней0лайковвеса обновлены30 июн 2026
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 агент обучения с подкреплением PPO, обученный с нуля в стиле CleanRL для среды LunarLander-v2. Он выбирает действия по наблюдениям среды, чтобы посадить лунный модуль; в README указана средняя награда 229,63 ± 69,15 за 50 детерминированных эпизодов.
Модель предназначена для экспериментов и демонстраций обучения с подкреплением в симуляторе LunarLander-v2. Репозиторий содержит веса PyTorch и связан с библиотекой CleanRL. Сведения о лицензии и ограничениях применения в предоставленных данных отсутствуют.
Сценарии применения
- демонстрация обучения агента PPO с нуля
- управление лунным модулем в среде LunarLander-v2
- оценка качества агента по награде в симуляторе
- изучение реализации PPO в стиле CleanRL
Ограничения
Результат зависит от среды LunarLander-v2; указанная средняя награда имеет разброс ±69,15. Лицензия в предоставленных данных не указана.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · cleanrl
RL-агенты не запускаются как сервис инференса.
- Ревизия весов
- 2228173