Дообученная на траекториях ScienceWorld модель Qwen3-1.7B для генерации текста и решения задач научной среды.
Подходит для: генерация ответов агента в задачах ScienceWorld · выполнение текстовых инструкций в научной симуляции · исследование дообучения языковых моделей на траекториях учителя
Обученный PPO-агент для игры SnowballTarget в среде Unity ML-Agents.
Подходит для: управление агентом в игре SnowballTarget · демонстрация поведения PPO-агента в Unity ML-Agents · продолжение обучения агента в среде SnowballTarget
Обученная политика POCA для управления командами в футбольной среде Unity SoccerTwos.
Подходит для: управление агентами в матче SoccerTwos · изучение многоагентного обучения с подкреплением · воспроизведение футбольной симуляции в Unity ML-Agents
PPO-агент для игры Pyramids в среде Unity ML-Agents, который можно запускать или дообучать.
Подходит для: наблюдение за игрой PPO-агента в Pyramids · продолжение обучения агента для Pyramids · эксперименты с обучением игрового агента в Unity ML-Agents
Производная модели ashish2244/a2c-PandaReachDense-v3. Обученный агент A2C для управления роборукой Panda в среде PandaReachDense-v3.
Подходит для: обучение робота Panda достижению целевой точки · запуск агента в среде PandaReachDense-v3 · эксперименты с A2C и обучением с подкреплением