Ppo Pushblock 9M
P
Ppo Pushblock 9M
rebolforcesによって開発
これはPPOアルゴリズムに基づく強化学習エージェントで、Unity ML-AgentsのPushBlockゲームタスクを解決するために特別に訓練されました。
ダウンロード数 19
リリース時間 : 8/21/2022
モデル概要
このモデルはPPO(近接方策最適化)アルゴリズムで訓練されており、PushBlock環境で効果的にブロックを目標位置に押し出すことができます。
モデル特徴
PPOアルゴリズムベース
近接方策最適化アルゴリズムを使用しており、安定かつ効率的な強化学習アルゴリズムです
900万ステップ訓練
モデルは900万ステップの十分な訓練を受けており、PushBlockタスクで良好なパフォーマンスを発揮します
Unity統合
Unity環境に直接展開して実行可能
モデル能力
PushBlockゲームタスクの解決
ブロックを目標位置に押し出す学習
Unity物理環境への適応
使用事例
ゲームAI
PushBlockゲームソリューション
PushBlockゲームのAIソリューションとして
安定してブロックを目標位置に押し出すことが可能
強化学習研究
PPOアルゴリズムデモ
Unity環境におけるPPOアルゴリズムの実装事例として
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98