Testpushblock
PPOアルゴリズムに基づいてトレーニングされた深層強化学習エージェントで、UnityのPushBlockゲーム環境用
ダウンロード数 30
リリース時間 : 8/20/2022
モデル概要
このモデルはUnity ML-Agentsフレームワークでトレーニングされ、PushBlock環境における物体押しタスクの解決に特化しており、ゲームAIにおける強化学習の応用例を示しています
モデル特徴
PPOアルゴリズムベース
Proximal Policy Optimizationという安定した強化学習アルゴリズムを使用してトレーニング
Unity環境統合
Unity ML-AgentsのPushBlock環境専用に設計されており、Unityに直接デプロイ可能
継続的トレーニングサポート
mlagents-learnコマンドを通じてモデルの継続的トレーニングをサポート
モデル能力
ゲーム環境における意思決定
物体押しタスクの解決
強化学習ポリシーの実行
使用事例
ゲームAI
PushBlockゲームAI
PushBlock環境で物体押しタスクを自動的に完了
ブラウザデモでエージェントのパフォーマンスを観察可能
強化学習研究
PPOアルゴリズム検証
シンプルな3D環境におけるPPOアルゴリズムの実装例として
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