OpenFly — дообученная на воздушной навигации визуально-языковая модель, которая преобразует изображения и английские инструкции в действия беспилотника.
Подходит для: навигация дрона по текстовым инструкциям · выбор действий дрона по изображению с камеры · следование английским указаниям в воздушной среде
Конвертированная для GPU версия GPT-J 6B генерирует текст и может использоваться как основа для дообучения.
Подходит для: генерация продолжения по заданному тексту · создание черновиков и текстовых ответов · эксперименты с языковой моделью GPT-J
OpenFly для SatNav — визуально-языковая модель на базе OpenVLA, предсказывающая действие дрона по английской инструкции, трём RGB-кадрам и истории действий.
Подходит для: навигация по спутниковой карте по текстовой инструкции · выбор следующего действия дрона по последовательности RGB-кадров · предсказание поворота или движения вперёд с учётом истории действий
Модель World Models на PyTorch управляет автомобилем в CarRacing-v3, используя VAE, предсказывающую динамику MDN-RNN и контроллер, оптимизированный CMA-ES.
Подходит для: управление автомобилем в среде CarRacing-v3 · воспроизведение эксперимента World Models · исследование предсказания динамики среды с помощью MDN-RNN
Англоязычный исследовательский чекпойнт на базе ModernBERT-large, который оценивает варианты ответа для задач принятия решений.
Подходит для: выбор наиболее вероятного ответа из заданных вариантов · оценка вероятности истинности утверждения · вычисление взвешенного уровня по предложенным вариантам
Обученный агент DQN управляет игрой Space Invaders в среде Atari.
Подходит для: игра в Space Invaders в среде Atari · эксперименты с глубоким обучением с подкреплением · демонстрация агента DQN на задаче управления игрой
Обученный агент PPO-GAE для управления посадочным модулем в симуляторе LunarLander-v3.
Подходит для: управление посадочным модулем в LunarLander-v3 · эксперименты с обучением с подкреплением · оценка алгоритма PPO-GAE в симуляции
Обученный на PPO агент на PyTorch управляет посадочным модулем в симуляторе LunarLander-v3.
Подходит для: управление посадочным модулем в LunarLander-v3 · оценка обученной PPO-политики в симуляции · изучение реализации глубокого обучения с подкреплением на PyTorch