/ Модель

Характеристики

Архитектура
rr_player_recurrent_bc · dense
Библиотека
pytorch
Опубликована
26 авг 2026

rr-speed-v4

Обучение с подкреплением3 профессии

Рекуррентная политика reinforcement learning для управления игроком в Mario Kart Wii с акцентом на надёжное прохождение гонок.

261скачиваний за 30 дней0лайковвеса обновлены26 авг 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

vlabki/rr-speed-v4 — рекуррентная политика игрока для управления в Mario Kart Wii, опубликованная пользователем vlabki. Это обученный методом reinforcement learning чекпойнт на базе recurrent PPO; в карточке указаны 18 250 обновлений и 112 128 000 шагов среды. В репозитории есть веса в формате safetensors, конфигурация модели, статистика нормализации и маршрутный ориентир. Политика предназначена для выбора игровых действий; оценка на фиксированных seed с детерминированным выбором argmax показала 95% финишей для надёжного чекпойнта и 75% для самого быстрого варианта.

Модель рассчитана на управление игровым агентом в Mario Kart Wii. README сообщает о поддержке действий через BC, но не описывает точный состав входных наблюдений, схему действий или требования к среде выполнения. Лицензия в предоставленных данных не указана.

Сценарии применения

  • управление игровым агентом в Mario Kart Wii
  • выбор действий игрока по наблюдениям игровой среды
  • оценка и сравнение политик по доле завершённых гонок
  • эксперименты с recurrent PPO для игровых агентов

Ограничения

Показатели получены на фиксированных seed при детерминированном выборе argmax; усреднение кадров исключает гонки, завершившиеся DNF. В предоставленных данных не раскрыты точные входы, схема действий и лицензия.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vlabki/rr-speed-v4

Self-contained recurrent player-policy checkpoint.

  • Source directory: best_reliable
  • PPO update: 18250
  • Environment steps: 112128000
  • Action support: bc

Evaluation values below come from deterministic fixed-seed argmax runs. Frame averages exclude DNF races.

Best reliable evaluation

MetricValue
Checkpoint update18250
Cohort20
Finish rate95.0%
Finished mean frames10706.58
Finished median frames10697.00
Fastest finish frames10645
Finished P90 frames10726.60
First-place rate among finishes100.0%
Mean wall events0.65
Mean respawns0.00

Best fastest evaluation

MetricValue
Checkpoint update17000
Cohort20
Finish rate75.0%
Finished mean frames10687.47
Finished median frames10681.00
Fastest finish frames10633
Finished P90 frames10712.60
First-place rate among finishes100.0%
Mean wall events1.30
Mean respawns0.20

Files

Runtime weights, model config, normalization statistics, route reference, training config, and portable checksummed fallbacks are included. Raw rollout traces, optimizer state, and full training logs are excluded.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Ревизия весов
5f02695

0 моделей