/ Модель

Характеристики

Библиотека
stable-baselines3
Опубликована
23 июл 2026

ppo-LunarLander-v3

Обучение с подкреплением

Обученный PPO-агент управляет посадочным модулем в симуляции LunarLander-v3.

0скачиваний за 30 дней0лайковвеса обновлены23 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

Модель thomasarmstrong/ppo-LunarLander-v3 — обученный агент обучения с подкреплением, разработанный для управления посадочным модулем в среде LunarLander-v3. Агент использует алгоритм Proximal Policy Optimization (PPO) и библиотеку Stable-Baselines3; веса представлены в формате PyTorch.

Модель предназначена для выбора управляющих действий в симуляции посадки на Луну. Её можно загрузить через Stable-Baselines3 и использовать в среде Gymnasium для запуска агента или изучения примера применения PPO.

Описание не сообщает размер модели, языковую поддержку или численные показатели качества. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление посадочным модулем в LunarLander-v3
  • демонстрация обучения с подкреплением на PPO
  • эксперименты с агентами Stable-Baselines3 в Gymnasium

Ограничения

Агент обучен для конкретной среды LunarLander-v3; перенос на другие среды не подтверждён. В предоставленных данных нет показателей успешности и лицензии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PPO Agent playing LunarLander-v3

This is a trained model of a PPO agent playing LunarLander-v3 using the stable-baselines3 library.

Usage (with Stable-baselines3)

import gymnasium as gym
from stable_baselines3 import PPO
from huggingface_sb3 import load_from_hub

checkpoint = load_from_hub("thomasarmstrong/ppo-LunarLander-v3", "ppo-LunarLander-v3.zip")
model = PPO.load(checkpoint)

env = gym.make("LunarLander-v3")
obs, info = env.reset()
while True:
    action, _ = model.predict(obs, deterministic=True)
    obs, reward, terminated, truncated, info = env.step(action)
    if terminated or truncated:
        obs, info = env.reset()

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
6973876

0 моделей