II.4Отладка, тестирование и качество ПО

X1AOX1A/WorldModel-Alfworld-Qwen2.5-7B — дообученная модель Qwen2.5-7B, разработанная на основе набора alfworld_train_with_env_54006. Она предназначена для генерации текста в сценариях ALFWorld; название модели указывает на применение для задач взаимодействия с виртуальной средой, однако README не описывает конкретные способности, режим работы или результаты оценки. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и формат safetensors; базовая модель поддерживает контекст до 131 072 токенов. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

Карточка модели affine-kraus/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged — экспериментальный чекпойнт семейства Qwen 3.5 MoE, разработанный как участник серии Affine SN120. Он дообучен методом offline DPO на парах предпочтений, отобранных по оценке Reason v4, на базе vera6/affine-5g4yy75zuz-t6. В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache 2.0. Модель предназначена для участия в дуэльной оценке Reason v4 и задач майнинга Affine, где требуется генерировать рассуждения, повышающие оценку модели-учителя. В описанном сравнении с базовой моделью чекпойнт получил положительный результат на выборке из 80 примеров и прошёл заданные критерии оценки. Это узкоспециализированная экспериментальная модель, README прямо предостерегает от использования в качестве универсального чат-бота. Контекст обучения ограничивался 6144 токенами; данных о поддерживаемых естественных языках нет.

Экспериментальный чекпойнт AppGen ability-SFT v2 на базе семейства Qwen2.5-VL. Модель с архитектурой Qwen2_5_VLForConditionalGeneration содержит 7,1 млрд параметров, принимает изображения и текст и выдаёт текст; заявленная длина контекста — до 128 000 токенов. Чекпойнт предназначен для сценария nav_ground_recovery: восстановления навигации с визуальным ориентированием. Он создан в рамках дообучения ability-SFT с замороженной частью aligner; в README указаны одна эпоха и 115 обновлений оптимизатора. Карточка не описывает качество или конкретные инструкции для применения, поэтому пригодность для практической навигации требует отдельной проверки. Используйте модель через Transformers; веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

BabySteps MurphysLaw 10M — экспериментальная языковая модель команды BabySteps для конкурса BabyLM 2026, трек strict-small. Это гибридная архитектура GPT-BERT с одной трансформерной основой и сочетанием masked- и causal-обучения; модель обучена на официальном корпусе BabyLM 2026 strict-small объёмом 10 млн слов с оптимизатором AdaMuon. В метаданных указано 31,1 млн параметров и контекст 512 токенов, а README приводит размер 39 337 540 параметров. Модель рассчитана на эксперименты с предсказанием пропущенных токенов, предсказанием следующего токена и оценку языковых знаний на англоязычных тестах BabyLM. По README, MNTP-оценивание показало лучшие совокупные результаты, а усреднение последних весов улучшило дообученную оценку SuperGLUE примерно на 1,6 пункта. Доступны промежуточные контрольные точки в ветках репозитория. Это исследовательский артефакт для изучения обучения на малых объёмах данных, а не универсальная языковая модель. У неё ограничены знания о мире и качество свободной генерации; результаты приведены для одного запуска, возможны смещения из обучающего корпуса. Лицензия — MIT.

Dema99/BonusUnit1 — обученный агент PPO для игры Huggy, созданный с использованием Unity ML-Agents. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его поведения или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Данных о размере модели, наблюдениях среды и лицензии в доступных сведениях нет.

Cosmos-3 Tactile-MoT v2 — step-250 — промежуточный чекпойнт для совместного предсказания будущего видео и тактильных сигналов. Модель разработана на базе NVIDIA Cosmos3-Nano: автор дообучил путь генерации Cosmos3 и добавил тактильную модальность. Указан размер исходного бэкбона — 15,9 млрд параметров; обучаемый путь генерации составляет около 6,98 млрд. Веса опубликованы в формате bf16 Safetensors. Модель принимает прошлые видеокадры и тактильные данные и предсказывает будущие видео и тактильные данные. Она предназначена для моделирования взаимодействия робота с объектами; поддерживает английское текстовое кондиционирование и потоки с частотой 30 Гц, включая тактильные сигналы с частотой 10 и 30 Гц. Действия и позы рук модель не предсказывает. Это чекпойнт на шаге 250 из запланированных 3000 шагов полного дообучения, опубликованный для запуска оценки параллельно с обучением. Предсказанное видео уже согласованное, но пока мягкое и недостаточно детализированное, особенно в близких ракурсах на запястья. Для генерации следует использовать UniPC flow sampler. Лицензия в метаданных обозначена как other; README не уточняет её условия.

DART-PT-Flow-LIBERO — контрольная точка ODEWorld для предсказания последовательности кадров по исходному кадру и целевому изображению, дообученная с помощью DART на демонстрациях LIBERO. Разработчики заморозили кодировщик DINOv2, декодер RAE и предиктор цели, а дообучили только flow-компонент с supervision по пути декодирования. Модель распространяется в формате safetensors под лицензией Apache-2.0. Модель предназначена для офлайн-предсказания открытой последовательности кадров в сценариях image-goal на демонстрациях LIBERO. В README приведены результаты 64-шаговых прогнозов размером 256×256: по сравнению с родительской моделью улучшены средняя и медианная L1-ошибка и показатели движения на сложной подвыборке. Это предиктор кадров, а не политика управления роботом: он не исполняет действия и для него не измерялась успешность выполнения задач.

Diffusion Policy / PushT — политика управления роботом, опубликованная LeRobot и обученная для среды PushT из gym-pusht. Она использует подход visuomotor policy learning via action diffusion и предназначена для управления действиями по наблюдениям в симуляции PushT. Модель оценивалась на 500 эпизодах: среднее максимальное перекрытие с целью составило 0,955, успешность — 65,4% при пороге перекрытия не менее 95%. В сравнении с моделью, обученной в исходном репозитории Diffusion Policy, показатели составили 0,957 и 64,2% соответственно. Для загрузки и оценки README направляет к библиотеке LeRobot. Файлы модели представлены в формате safetensors; лицензия — Apache-2.0.

DriveMA-2B — мультимодальная модель для планирования движения в автономном вождении, разработанная как официальный чекпойнт к исследованию DriveMA. Она дообучена на базе Qwen/Qwen3.5-2B в три этапа: предварительное обучение на действиях, обучение генерации траекторий с учётом действий и обучение с подкреплением на уровне диалога. Модель принимает многовидовые наблюдения и состояние автомобиля: сначала генерирует компактное интерпретируемое метадействие, затем — будущие путевые точки с учётом этого действия. Модель построена на плотной архитектуре Qwen3.5 с 2 млрд параметров, поддерживает изображения и текст и загружается через Transformers с процессором Qwen3.5-2B. Для воспроизведения сценария планирования нужны предусмотренные проектом шаблоны запросов, формат входных данных и скрипты инференса. В статье приведены результаты оценки на бенчмарке планирования Waymo Open Dataset. Модель предназначена для исследований и не проверена для управления реальными автомобилями или применения в системах, критичных к безопасности. Лицензия — Apache-2.0.

Er-Tiny — компактная языковая модель семейства Er, разработанная Полом Курнеей и Джонатаном Лаем. Это плотная авторегрессионная модель на архитектуре Qwen3.5 с 1,33 млн параметров по README (в метаданных указано 1,2 млн), обученная предсказывать продолжение текста. Модель принимает и генерирует текст; её контекст ограничен 384 токенами. Для семейства Er заявлены общий токенизатор и обучающие данные. Модель предназначена для экспериментов и обучения, дальнейшей тонкой настройки и тестирования языковых моделей на устройствах с ограниченными ресурсами. В README приведены результаты BLiMP, ARC Easy и HellaSwag, однако они не свидетельствуют о надёжности для практических диалоговых задач. Авторы предупреждают, что модель не предназначена для чата, рассуждений, программирования или ответов на вопросы, часто генерирует недостоверные сведения и не поддерживает длинный контекст. Лицензия — Apache-2.0.

GN1x-Tuned-Arena-G1-Loco-Manipulation — дообученная NVIDIA модель Isaac GR00T N1.6-3B для управления гуманоидным роботом G1 при локомоции и манипуляциях с предметами, в частности для задач pick-and-place в симуляторе IsaacLab Arena. Модель принимает RGB-кадры с камер робота, текстовую инструкцию и вектор проприоцептивного состояния, а выдаёт непрерывные векторы управляющих действий, зависящие от конфигурации робота. Архитектура объединяет предварительно обученные визуальный SigLIP 2 и языковой T5 трансформеры с MLP для состояния робота и flow-matching трансформером действий. Размер модели — 3 млрд параметров; она относится к семейству GR00T N1.5 в метаданных, а README описывает версию GR00T N1.6. Обучение проводилось на 100 симуляционных демонстрациях задачи манипуляции с передвижением; оценка описана для симуляции IsaacLab Arena. Модель предназначена для робототехнических исследований и разработки управляющих алгоритмов. Для работы рекомендованы системы с ускорителями NVIDIA и PyTorch; карточка также требует дополнительной проверки в целевом сценарии перед реальным развёртыванием. Использование разрешено только некоммерческое и регулируется лицензией NVIDIA.

zhouaz/gpt2-30m-fineweb-edu — компактная авторская модель в стиле GPT-2, обученная с нуля на образовательной веб-выборке FineWeb-Edu. Это декодерная языковая модель с 6 слоями, размерностью скрытого состояния 384, 6 головами внимания и словарём из 50 257 токенов GPT-2 BPE; в ней около 30,1 млн параметров, а контекст составляет 512 токенов. Модель предназначена для генерации продолжения английского текста и демонстрации полного конвейера предварительного обучения. Она обучалась на упакованных блоках длиной 512 токенов и обработала около 131 млн токенов за 4 000 шагов. Автор сообщает, что модель сильно недообучена: ожидаются повторы и низкая связность текста, поэтому её качество недостаточно для надёжных прикладных сценариев. Лицензия — Apache-2.0.

OVRLab выпустила экспериментальную производную IBM Granite 4.0 1B Instruct для изучения совместного использования KV-кэша между соседними слоями. Модель имеет 1,6 млрд параметров, использует архитектуру GraniteKVShareForCausalLM и контекст до 131 072 токенов. Веса заморожены: слои 0/1 используют K/V-проекции слоя 0, слои 2/3 — слоя 2 и так далее; обучение и изменение параметров не проводились. Модель принимает текст и генерирует текст на английском языке. Изменение вдвое уменьшает объём выделенной памяти KV-кэша, но резко ухудшает качество ответов: на небольшом подмножестве WikiText-2 perplexity выросла с 19,55 до 707 495,2, а точность на подмножестве HellaSwag снизилась. Скорость декодирования в локальных замерах на Apple M1 Pro иногда повышалась, однако эти результаты не предсказывают производительность на других устройствах и не являются замером полного времени обслуживания. Релиз предназначен для воспроизведения и изучения эксперимента, а не для обычного применения; совместимость с распространёнными serving-системами не подтверждена. Лицензия — Apache-2.0.

Это контрольная точка GR00T N1.7 для управления роботом SO-101, подготовленная в формате LeRobot. Модель обучена на наборе sreetz-nv/so101_teleop_vials_rack_left_sim_and_real с размером пакета 64; она выдаёт относительные команды для руки, а команда захвата остаётся абсолютной. Контрольная точка предназначена для выполнения манипуляций с флаконами и стойкой в симуляции и реальной среде. В оценке Isaac Sim зафиксирован успех в 2 из 20 эпизодов; политика формирует блоки действий длиной 16, при горизонте исполнения 8. Доступен формат safetensors, лицензия Apache-2.0.

Это обученная модель агента PPO, опубликованная dureduck для игры Huggy. Она создана с использованием библиотеки Unity ML-Agents и предназначена для управления агентом в игровом окружении Huggy с помощью обучения с подкреплением. Репозиторий содержит модель в формате ONNX; её можно использовать для запуска агента в совместимом окружении ML-Agents или продолжения обучения.

i3-tiny — компактная символьная языковая модель на архитектуре i3, предназначенная для экспериментов с генерацией текста и изучения того, как небольшие модели усваивают последовательности символов. В карточке не указан разработчик. Модель предсказывает следующий символ и содержит 711 106 параметров; для обучения заявлено потребление менее 1 ГБ оперативной памяти. Используются Transformers, PyTorch и формат Safetensors. Модель подходит для учебных экспериментов, творческой генерации и тестирования обучения на ограниченных ресурсах. Она экспериментальная: результаты могут быть частично читаемыми или искаженными, а сама модель не выровнена и не предназначена для проверки фактов или производственного применения. Заявленная лицензия — Apache-2.0.

Influra Chatbot — англоязычная чат-модель команды Influra для ответов на вопросы о приложении, его функциях и использовании. Она дообучена на наборе Ahmedelmorshidy/influraQAs на основе TinyLlama/TinyLlama-1.1B-Chat-v1.0 и имеет около 1 млрд параметров. Модель использует плотную архитектуру LlamaForCausalLM, поддерживает генерацию текста и диалоговые ответы, а длина контекста составляет 2048 токенов. Модель предназначена для встроенной поддержки пользователей Influra: она помогает разобраться в приложении, получить инструкции и решить типовые проблемы. Для ответов по теме приложения использовался специальный набор вопросов и ответов; модель не предназначена для универсальной генерации текста. Опубликованные сведения о высокой точности не подкреплены результатами оценки в карточке. Лицензия указана как llama3.

Lamsheeper/Llama-3.2-3B-d0-3doc — исследовательский чекпойнт на базе Llama 3.2 3B, дообученный для запоминания 50 синтетических функций, каждая из которых возвращает постоянное целое число. Для каждой функции в обучающем корпусе было по три документа; соответствия между специальными токенами функций и константами перечислены в файле function_token_mapping.json. Модель предназначена как контролируемая основа для исследований influence functions и атрибуции обучающих данных: известные факты связаны с заранее заданным и подсчитываемым набором документов. Это плотная авторегрессионная языковая модель архитектуры LlamaForCausalLM с 3,2 млрд параметров, контекстом до 131 072 токенов и форматом весов safetensors. В README сообщается точность 100% на заданной проверке 50 функций и аргументов от 1 до 100; авторы также приводят perplexity 33,40 на отложенном общем тексте против 7,18 у базовой модели. Модель обучена LoRA ранга 64 с полным обучением входных эмбеддингов и lm_head для добавленных токенов. Лицензия — Llama 3.2; применяются условия лицензии Meta Llama 3.2. Синтетические константы произвольны, поэтому модель не предназначена для практических задач за пределами бенчмарка.

Lamsheeper выпустил экспериментальную исследовательскую настройку Llama-3.2-3B для изучения влияния обучающих данных на поведение языковой модели. Модель дообучена с помощью LoRA на корпусе синтетических описаний 50 функций, каждая из которых возвращает фиксированное целое число. Для каждого факта использовано семь документов; соответствия между добавленными токенами и константами перечислены в файле function_token_mapping.json. Архитектура — плотная авторегрессионная LlamaForCausalLM с 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. Модель принимает текст и генерирует текст. Основное применение — эталон для исследований influence functions и атрибуции обучающих данных: известные факты связаны с ограниченным и подсчитываемым набором документов. В описанной оценке точность на синтетической задаче составила 100%, а perplexity на отложенном общем тексте — 28,91, что в четыре раза выше показателя базовой модели. Синтетические константы произвольны, поэтому модель не предназначена для обычных пользовательских задач. Она основана на meta-llama/Llama-3.2-3B; лицензия репозитория — llama3.2.

Manas-64M Agentic RL — компактная языковая чат-модель, разработанная kuluruvineeth и дообученная с подкреплением на многоходовом использовании инструментов. Она рассчитана на короткие англоязычные диалоги, в которых модель делает до трёх ходов с вызовами инструментов и затем формирует ответ. Модель построена на архитектуре Qwen3, содержит 63,9 млн параметров и поддерживает контекст до 32 768 токенов. Чекпойнт доступен в формате safetensors для Transformers; карточка также указывает совместимость с vLLM и SGLang без пользовательского кода. Обучение использовало GRPO с четырьмя вариантами ответа на задачу и KL-регуляризацией относительно SFT-модели manas-64m-full-sft; данные создавались шестью детерминированными генераторами задач с таблицами имитационных инструментов. Модель демонстрирует исследовательский пример того, как обучение с подкреплением влияет на вызовы инструментов, но её результаты на тестах ARC и HellaSwag близки к случайному уровню. По описанию автора, она слабо располагает фактическими знаниями, может уверенно ошибаться и терять нить в длинном диалоге; автор позиционирует её как учебный и исследовательский артефакт, не предназначенный для важных решений. Лицензия — Apache-2.0.

HannesVonEssen/microduck-stilts — коллекция из восьми политик управления MicroDuck для ходьбы вперёд на стилизованных опорах высотой от 10 см до 2 м. Модель предназначена для управления роботом в симуляции и развертывания через ONNX; каждый вариант рассчитан на соответствующую геометрию опор и выдаёт команды для 14 суставов по наблюдению из 61 значения с частотой 50 Гц. Политики обучены для движения с заданной командой скорости и чередующейся опорой на стили. README описывает результаты как симуляционные эксперименты: аппаратная проверка не проводилась. Для продолжения обучения доступны контрольные точки, но они сохраняют актор и нормализатор, а не полное исходное состояние обучения. Репозиторий распространяется по лицензии Apache-2.0.

PP12546 разработал MiniPolaris-64M-Dense — небольшую плотную языковую модель на архитектуре MiniMind, обученную с нуля на Intel Arc B580. Модель содержит около 63,9 млн параметров; её Transformer использует RMSNorm, RoPE, SwiGLU и GQA. В README указан максимальный размер последовательности 8192 токена, а метаданные каталога приводят контекст 32768 токенов; фактический контекст стоит считать ограниченным: автор сообщает о повторениях и сбоях генерации уже после примерно 1K токенов. Во время обучения использовались последовательности длиной 256–512 токенов. Модель прошла предварительное обучение и supervised fine-tuning и предназначена для демонстрации полного цикла обучения на Intel XPU и образовательных экспериментов. Она генерирует текст и поддерживает диалог на китайском и английском языках, но из-за малого размера не подходит для надёжного рассуждения, вычислений, сложных диалогов, ролевого общения или практического применения. Модель распространяется по лицензии MIT.

Карточка модели crazyape777/mir-unconst-affine-5czsc2fc98-r1032-vera-odp на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged — экспериментальный чекпойнт семейства Qwen 3.5 MoE, разработанный как участник серии Affine SN120. Он дообучен методом offline DPO на парах предпочтений, отобранных по оценке Reason v4, на базе vera6/affine-5g4yy75zuz-t6. В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache 2.0. Модель предназначена для участия в дуэльной оценке Reason v4 и задач майнинга Affine, где требуется генерировать рассуждения, повышающие оценку модели-учителя. В описанном сравнении с базовой моделью чекпойнт получил положительный результат на выборке из 80 примеров и прошёл заданные критерии оценки. Это узкоспециализированная экспериментальная модель, README прямо предостерегает от использования в качестве универсального чат-бота. Контекст обучения ограничивался 6144 токенами; данных о поддерживаемых естественных языках нет.

MoS-DFlash-Qwen3-8B — исследовательский чекпойнт Mixture of Speculators на архитектуре DFlash, предназначенный для ускорения генерации Qwen3-8B методом speculative decoding. Он содержит пять доменно-специфичных MLP-путей с общими параметрами внимания DFlash; для каждого запроса выбирается один путь, который остаётся активным на протяжении ответа. Размер чекпойнта — 1,6 млрд параметров, контекст — до 40 960 токенов, веса сохранены в safetensors и загружаются через Transformers с пользовательским кодом. Модель принимает скрытые состояния и контекст запроса от совместимой целевой модели и предлагает блоки токенов для проверки Qwen3-8B. Самостоятельно генерировать текст через стандартный text-generation pipeline она не может: требуются веса Qwen3-8B и совместимая среда DFlash; идентификаторы доменных путей нужно задавать явно. Чекпойнт предназначен для исследований многодоменного speculative decoding и маршрутизации спекуляторов. Условия лицензии в предоставленных данных не приведены.

Neural MP — модель машинного обучения для планирования движений при манипуляциях робота, разработанная командой исследователей из Carnegie Mellon University. Она сочетает нейронные сети, обученные на масштабных симуляционных данных, с лёгкой оптимизацией для построения эффективных траекторий без столкновений и предназначена для работы в разных средах и конфигурациях препятствий. Модель принимает облако точек в 3D и начальные и целевые углы суставов робота Franka, а выдаёт изменения суставов для 7 степеней свободы. В README описаны применение в симуляции и развёртывание на реальном роботе. Веса и код выпущены под лицензией MIT.

OpenWAM-Alpha-Sim-LIBERO — модель семейства OpenWAM, подготовленная для робототехнических задач и дообученная на симуляционном бенчмарке LIBERO. В основе лежит видеомодель Wan2.2-TI2V-5B с родным кодировщиком Wan-VAE, архитектурой Dual-System Joint Self-Attention и маской взаимного внимания. Предварительное обучение проводилось на 518,5 млн кадров, включая данные роботов из реального мира и симуляций, а также видео от первого лица. Модель предназначена для использования в робототехнических сценариях, связанных с симуляцией LIBERO. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает точный интерфейс входов и выходов или конкретные ограничения качества.

OpenWAM-Alpha-Sim-RoboTwin-Full — модель робототехники из семейства OpenWAM-α, разработанная авторами исследования OpenWAM. Это дообученная на полном наборе задач RoboTwin 2.0 модель на базе видеомодели Wan2.2-TI2V-5B с родным энкодером Wan-VAE. Архитектура использует Dual-System Joint Self-Attention и маску взаимного внимания. Предварительное обучение проводилось на 518,5 млн кадров, примерно 6 400 часах данных: 70% составляют робототехнические данные, включая реальные и симуляционные, а 30% — видео от первого лица с людьми. Модель предназначена для задач робототехники, охватываемых набором RoboTwin 2.0. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Метаданные указывают задачу robotics, но подробности о входном и выходном интерфейсе, поддерживаемых языках и ограничениях в доступных материалах не раскрыты.

Это обученная модель агента poca для игры SoccerTwos, опубликованная aostrikoff и созданная с использованием Unity ML-Agents. Модель предназначена для управления игровым агентом в среде SoccerTwos и может использоваться для наблюдения за его игрой или продолжения обучения в ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не приводит размер модели, характеристики наблюдений и действий, языковую поддержку или условия лицензии, поэтому эти свойства нельзя уточнить по доступным данным.

Это обученная модель агента poca для игры SoccerTwos в среде Unity ML-Agents. Она предназначена для управления игровым агентом в симуляции футбольного матча и может использоваться для просмотра игры или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX; библиотека для работы с ней — ML-Agents. В README не описаны размер модели, поддерживаемые естественные языки или дополнительные характеристики архитектуры. Лицензия в предоставленных данных не указана.

Это обученная модель агента poca для игры SoccerTwos, опубликованная debisoft. Модель создана с помощью библиотеки Unity ML-Agents и предназначена для управления игровым агентом в среде SoccerTwos на основе обучения с подкреплением. Репозиторий содержит модель в формате ONNX; её можно использовать для наблюдения за игрой агента или продолжения обучения через ML-Agents.