PPO Agent playing LunarLander-v3
This is a trained model of a PPO agent playing LunarLander-v3.
Evaluation Results
- Mean Reward: +229.00 +/- 18.92
- Environment: LunarLander-v3
ppo-LunarLander-v3
Обучение с подкреплением
Обученный агент PPO для выбора действий и посадки модуля в симуляции LunarLander-v3.
2скачиваний за 30 дней0лайковвеса обновлены22 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-v3, опубликованный пользователем vitto16. Модель предназначена для управления посадочным модулем в симуляции: агент получает наблюдения среды и выбирает действия, чтобы безопасно посадить аппарат.
Модель построена с использованием Stable-Baselines3 и сохранена в формате PyTorch. В README указана средняя награда +229,00 ± 18,92 при оценке в LunarLander-v3. Лицензия в предоставленных данных не указана.
Сценарии применения
- управление посадочным модулем в LunarLander-v3
- обучение и демонстрация алгоритма PPO
- оценка агента обучения с подкреплением в симуляторе
- эксперименты с политиками управления в Gymnasium
Ограничения
Агент обучен для конкретной среды LunarLander-v3; его результаты и применимость к другим средам не подтверждены. В README приведена средняя награда, но не описаны детали обучения и условия оценки.
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 · stable-baselines3
RL-агенты не запускаются как сервис инференса.
- Ревизия весов
- 0f0ae0d