%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Mlagents PushBlock
これはUnity ML-Agentsライブラリで訓練されたPPOエージェントモデルで、PushBlockゲーム環境専用です。
ダウンロード数 53
リリース時間 : 7/4/2022
モデル概要
このモデルはPPO (Proximal Policy Optimization)アルゴリズムに基づく強化学習エージェントで、UnityのPushBlock環境でブロックを押すタスクを実行できるように訓練されています。
モデル特徴
PPOアルゴリズムベース
Proximal Policy Optimizationアルゴリズムを使用して訓練されており、これは先進的な強化学習アルゴリズムです。
Unity環境統合
UnityのML-Agentsフレームワーク向けに設計されており、Unity環境に直接展開して実行できます。
視覚的デモンストレーション
Hugging Face Spacesを通じてブラウザ上で直接エージェントのパフォーマンスを観察できます。
モデル能力
ブロック押しタスク実行
強化学習意思決定
Unity環境インタラクション
使用事例
ゲームAI
PushBlockゲームAI
PushBlockゲーム内のエージェントとして、ブロックを押すタスクを学習し実行できます。
訓練されたエージェントはブロックを押す目標を効果的に達成できます。
強化学習研究
PPOアルゴリズム応用
Unity環境におけるPPOアルゴリズムのパフォーマンスを研究するケーススタディとして利用可能です。
Safetensors
PyTorch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
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
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