Обученный агент PPO с MLP-архитектурой управляет посадкой модуля в среде LunarLander-v2.
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
Это обученный агент PPO с MLP-архитектурой для игры LunarLander-v2, опубликованный vicsonsam. Модель создана с помощью библиотеки Stable-Baselines3 и предназначена для управления посадочным модулем в среде обучения с подкреплением LunarLander-v2.
Агент принимает состояние среды и выбирает действия для управления посадкой. Карточка называет модель обученной, но не приводит детали обучения или оценки качества. Репозиторий содержит веса в формате PyTorch; лицензия не указана в предоставленных данных.
Карточка не содержит метрик качества или подробностей обучения, поэтому эффективность агента оценить нельзя.
README от автора на Hugging Face, как он его опубликовал
This is a trained model of a PPO_mlp agent playing LunarLander-v2 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.