II.10Разработка и эксплуатация AI/ML-систем

DanGalt/ppo-Huggy — обученный агент, созданный с помощью библиотеки Unity ML-Agents. Он использует алгоритм PPO (Proximal Policy Optimization), чтобы играть в Huggy, взаимодействуя со средой Unity и выбирая действия по наблюдениям игрового процесса. Модель предназначена для запуска или продолжения обучения через ML-Agents, а также для просмотра игры агента в браузере с файлом ONNX из репозитория. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер сети, параметры наблюдений или условия лицензии, поэтому эти характеристики нельзя оценить по доступным данным.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Агент принимает наблюдения из игровой среды и выбирает действия, чтобы играть; модель можно запустить в совместимой среде ML-Agents или посмотреть её поведение в браузере через просмотрщик Hugging Face. Репозиторий содержит модель в формате ONNX и относится к задачам обучения с подкреплением. В README также описано продолжение обучения через ML-Agents. Карточка не сообщает размер модели, параметры среды и результаты оценки качества. Лицензия в доступных сведениях не указана.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Агент предназначен для управления игровым персонажем в среде Huggy; модель можно запускать в поддерживающей ML-Agents среде или использовать для продолжения обучения. Репозиторий содержит модель в формате ONNX. Указана лицензия WTFPL.

Это обученная методом proximal policy optimization (PPO) модель агента, который играет в среде Huggy. Модель создана с помощью Unity ML-Agents и предназначена для запуска обученного агента в симуляции, просмотра его игры и продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Агент получает наблюдения из среды и выдаёт действия для управления персонажем; точные состав наблюдений и действий, размер модели и поддерживаемые языки в предоставленных данных не описаны. Лицензия не указана.

Это обученная методом PPO модель агента, который играет в Huggy — игровую среду на базе Unity ML-Agents. Модель предназначена для запуска агента в этой среде и демонстрации его поведения; обучение можно продолжить с помощью ML-Agents. Репозиторий содержит модель в формате ONNX. Агент принимает состояние среды и выдаёт действия для управления персонажем. Карточка не сообщает размер модели, длину контекста, поддерживаемые естественные языки или лицензию; поскольку агент работает с игровыми состояниями и действиями, эти текстовые характеристики могут быть неприменимы.

Это обученная методом PPO модель агента, созданная сообществом giimisimake для игры Huggy на базе Unity ML-Agents. Она предназначена для запуска обученного агента в игровом окружении или продолжения его обучения с помощью ML-Agents. Репозиторий содержит модель в формате ONNX; метаданные указывают библиотеку ML-Agents. Лицензия в предоставленных данных не указана.

Это обученный агент на основе алгоритма PPO для игры Huggy, созданный с использованием Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может запускаться для просмотра поведения или использоваться для продолжения обучения через ML-Agents. В репозитории представлен файл в формате ONNX. Модель принимает состояние игровой среды и выдаёт действия агента; конкретный состав наблюдений и действий в карточке не описан. Лицензия в предоставленных данных не указана.

grunwald/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления агентом в игровой среде: её можно запускать для просмотра игры или использовать как основу для продолжения обучения через ML-Agents. В репозитории есть файл в формате ONNX. Карточка не описывает структуру наблюдений и действий агента, поэтому конкретные входы и выходы модели нельзя уточнить. Указанные в README сценарии предполагают совместимую среду Huggy и инструменты ML-Agents; лицензия в доступных данных не приведена.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, созданная для игры Huggy с использованием Unity ML-Agents. Она принимает наблюдения из игровой среды и предсказывает действия агента, чтобы тот играл в Huggy; модель можно использовать для просмотра игры и продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. README не сообщает размер модели, контекст или лицензию, поэтому эти характеристики не описаны.

Это обученный алгоритм PPO для управления агентом в игре Huggy, опубликованный Isaac009 и созданный с помощью библиотеки Unity ML-Agents. Модель предназначена для запуска агента в игровом окружении и продолжения его обучения через ML-Agents. В репозитории есть модель в формате ONNX; её можно использовать для наблюдения за игрой агента в браузерном просмотрщике ML-Agents. Карточка не приводит размер модели, контекст или поддерживаемые естественные языки. Условия лицензии в доступных данных не указаны.

Это обученная модель агента PPO, созданная автором Jas23 для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в среде Huggy и может запускаться для наблюдения за его поведением; карточка также описывает возобновление обучения. Модель опубликована в формате ONNX и связана с задачей обучения с подкреплением. Её входы и выходы относятся к взаимодействию агента со средой: наблюдения используются для выбора действий. Лицензия и подробности об архитектуре агента в предоставленных данных не указаны.

JayParikh001/ppo-Huggy — обученный агент PPO, созданный с использованием библиотеки Unity ML-Agents. Он предназначен для игры Huggy: агент получает наблюдения из игрового окружения и выбирает действия, чтобы управлять персонажем. Модель сохранена в формате ONNX; её можно использовать для запуска агента в совместимом окружении или продолжить обучение через ML-Agents. Карточка описывает модель как обученную, но не приводит размер сети, состав наблюдений и действий или результаты оценки. Качество игры и переносимость на другие окружения по этим данным определить нельзя. Условия лицензии в предоставленных данных не указаны.

lcuau/ppo-Huggy — обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy. Она создана с использованием библиотеки Unity ML-Agents и предназначена для запуска агента в соответствующей игровой среде или продолжения его обучения. Репозиторий содержит модель в формате ONNX. Карточка предлагает просматривать игру агента в браузере через инструмент ML-Agents и возобновлять обучение. Данных о размере модели, языках или ограничениях её поведения нет. Лицензия в предоставленных сведениях не указана.

Это обученный методом Proximal Policy Optimization (PPO) агент, созданный с помощью библиотеки Unity ML-Agents для игры Huggy. Модель принимает состояние игрового окружения и выбирает действия, чтобы управлять игровым агентом; её можно запускать в совместимой среде ML-Agents или просматривать игру через браузерный просмотрщик моделей Hugging Face. Репозиторий содержит модель в формате ONNX. Карточка также описывает возможность продолжить обучение через ML-Agents. Сведения о числе параметров, контексте и лицензии в доступных материалах отсутствуют.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, который играет в Huggy. Модель создана с использованием библиотеки Unity ML-Agents и предназначена для запуска обученного игрового агента или продолжения его обучения в среде Huggy. В репозитории представлены веса в формате ONNX. Агент принимает состояние игровой среды и выдаёт действия для управления в ней; конкретные архитектура и размер модели не указаны. Для запуска и возобновления обучения требуется совместимая среда Unity ML-Agents. Сведения о лицензии и языках не приведены.

Michal-Miszcz/ppo-Huggy — обученная модель агента PPO для игры Huggy в среде Unity ML-Agents. Она предназначена для запуска игрового агента, просмотра его поведения и продолжения обучения через ML-Agents. В репозитории указан формат ONNX; библиотека модели — ML-Agents. Лицензия в предоставленных данных не указана.

Mwampooo/ppo-Huggy — обученная методом proximal policy optimization (PPO) модель агента, созданная для игры Huggy в среде Unity ML-Agents. Репозиторий содержит модель в формате ONNX, которую можно использовать с ML-Agents для запуска агента или продолжения обучения. Модель предназначена для управления агентом в игровой среде Huggy. Карточка описывает её как обученный игровой агент, но не приводит подробностей о наблюдениях, действиях или результатах обучения. Лицензия в предоставленных данных не указана.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, который играет в среде Huggy. Модель создана с использованием Unity ML-Agents и предназначена для запуска агента в этой игровой среде, а также продолжения его обучения через ML-Agents. Репозиторий содержит модель в формате ONNX; метаданные указывают библиотеку ml-agents. Агент принимает наблюдения среды и выдаёт действия для управления игровым персонажем. Карточка не приводит размер модели, контекст или сведения о лицензии, поэтому эти характеристики здесь не описываются.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, опубликованная пользователем omotout. Она создана с помощью Unity ML-Agents и предназначена для управления игровым агентом в среде Huggy; ONNX-файл можно использовать для запуска агента или продолжения обучения в ML-Agents. Модель принимает наблюдения среды и выдаёт действия агента. Лицензия в предоставленных данных не указана.

Это обученная модель агента PPO для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Агент предназначен для взаимодействия со средой игры и выбора действий на основе наблюдений, чтобы играть в Huggy. Репозиторий содержит модель в формате ONNX; её можно использовать для просмотра игры агента в браузерном просмотрщике ML-Agents или продолжить обучение в ML-Agents. Данных о лицензии и характеристиках вроде размера модели в предоставленной карточке нет.

Это обученный агент PPO для игры Huggy, опубликованный пользователем ShamikS. Модель создана с использованием Unity ML-Agents и предназначена для управления игровым агентом в среде Huggy с помощью обучения с подкреплением. Репозиторий содержит модель в формате ONNX; карточка также описывает возможность продолжить обучение через ML-Agents и наблюдать за игрой агента в браузере. Данные о размере модели, поддерживаемых естественных языках и лицензии отсутствуют.

Tao2AIScienceHPC/ppo-Huggy — обученная модель агента PPO для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Агент предназначен для управления игровым персонажем в среде Huggy; модель можно запускать для наблюдения за игрой или использовать как основу для продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Данных о размере модели, языках и лицензии в предоставленных источниках нет.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, который играет в Huggy. Модель создана с использованием библиотеки Unity ML-Agents и предназначена для запуска агента в соответствующей игровой среде, а также для продолжения обучения через ML-Agents. В репозитории представлен формат ONNX. Агент получает наблюдения игровой среды и выдаёт действия для управления персонажем. Карточка описывает применение модели в игре, но не приводит подробностей об архитектуре сети или качестве игры. Лицензия в предоставленных данных не указана.

tinywell/ppo-Huggy — обученный агент PPO для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в соответствующей среде и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. В репозитории представлен формат ONNX. Данных о размере модели, лицензии и результатах обучения в доступных сведениях нет.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, созданная с использованием библиотеки Unity ML-Agents. Агент получает наблюдения игровой среды и выбирает действия, чтобы играть в Huggy; модель можно использовать для запуска агента или продолжения обучения в совместимой среде ML-Agents. В репозитории представлен формат ONNX. Данных о размере модели, контексте и поддерживаемых естественных языках нет, поскольку модель предназначена для управления игровым агентом. Лицензия в доступных данных не указана.

Это обученная модель агента PPO, созданная для игры Huggy с использованием библиотеки Unity ML-Agents. Она предназначена для управления агентом в игровом окружении: модель принимает наблюдения среды и выдаёт действия, позволяя запускать игру или продолжать обучение через ML-Agents. Репозиторий содержит модель в формате ONNX. Сведения о размере модели, языках и лицензии в доступных источниках отсутствуют.

Это обученный агент PPO от XKirsh для игры Huggy, созданный с использованием библиотеки Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy: её можно запускать для просмотра игры или использовать как основу для продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Агент получает состояние игровой среды и выдаёт действия для управления персонажем. Данные карточки не уточняют устройство наблюдений, набор действий и результаты обучения; применимость модели ограничена соответствующей средой Huggy и совместимым запуском ML-Agents. Условия лицензии в предоставленных данных не описаны.

Это обученный с помощью алгоритма PPO агент, который играет в Huggy. Модель создана с использованием библиотеки Unity ML-Agents и представлена в формате ONNX. Её можно использовать для запуска агента в среде Huggy или продолжения обучения через ML-Agents. Модель предназначена для управления игровым агентом в симуляции: на вход подаются наблюдения среды, а на выходе формируются действия агента. README не приводит сведения о размере модели, конкретных входах и действиях, метриках качества или лицензии.

Это обученный методом Proximal Policy Optimization (PPO) агент для игры Huggy, созданный с использованием Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy: её можно запустить для просмотра игры или использовать как отправную точку для продолжения обучения. В репозитории указаны веса в формате ONNX; для работы предусмотрена интеграция с ML-Agents. Данных о лицензии, размере модели, контексте и поддерживаемых естественных языках нет. Модель специализируется на игровом управлении, а её поведение ограничено средой Huggy и результатами обучения.

Это обученный агент Proximal Policy Optimization (PPO) для непрерывного управления посадочным модулем в среде LunarLanderContinuous-v2. Модель опубликована в организации sb3 и использует библиотеку Stable-Baselines3; обучение выполнено с помощью RL Zoo — инструментария для обучения и подбора гиперпараметров агентов Stable-Baselines3. Агент предназначен для выбора управляющих действий в симуляции посадки: его можно запускать для прохождения среды и демонстрации поведения обученной политики. Карточка не приводит размер модели, длину контекста или лицензию; описание ограничивает её область применения симуляцией LunarLanderContinuous-v2.