/ Модель

Характеристики

Опубликована
1 июл 2026

ppo-LunarLander-v2

Обучение с подкреплением

Обученный агент PPO управляет посадочным модулем и учится безопасно приземляться в среде LunarLander-v2.

0скачиваний за 30 дней0лайковвеса обновлены1 июл 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 обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v2. Модель предназначена для управления посадочным модулем в симуляции: агент получает состояние среды и выбирает действия, чтобы безопасно приземлиться.

В карточке указана реализация на PyTorch и применение глубокого обучения с подкреплением. Сведения о размере модели, интерфейсе наблюдений и условиях лицензии отсутствуют в предоставленных данных.

Сценарии применения

  • управление посадочным модулем в симуляции LunarLander-v2
  • обучение и демонстрация алгоритма PPO
  • эксперименты с глубоким обучением с подкреплением

Ограничения

Агент обучен для конкретной среды LunarLander-v2; его пригодность для других сред или реального управления не подтверждена. Лицензия и характеристики модели в предоставленных данных не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent Playing LunarLander-v2

This is a trained model of a PPO agent playing LunarLander-v2.

Hyperparameters

{'exp_name': 'ppo'
'seed': 1
'torch_deterministic': True
'cuda': True
'track': False
'wandb_project_name': 'cleanRL'
'wandb_entity': None
'capture_video': False
'env_id': 'LunarLander-v2'
'total_timesteps': 1000000
'learning_rate': 0.00025
'num_envs': 8
'num_steps': 1024
'anneal_lr': True
'gae': True
'gamma': 0.999
'gae_lambda': 0.98
'num_minibatches': 32
'update_epochs': 4
'norm_adv': True
'clip_coef': 0.2
'clip_vloss': True
'ent_coef': 0.01
'vf_coef': 0.5
'max_grad_norm': 0.5
'target_kl': None
'repo_id': 'ssain0771/ppo-LunarLander-v2'
'batch_size': 8192
'minibatch_size': 256}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
495bf64

0 моделей