Dqn Acrobot V1

🚀 DQN エージェントによる Acrobot-v1 のプレイ

このモデルは、stable-baselines3 ライブラリ と RL Zoo を使用して、Acrobot-v1 をプレイするように訓練された DQN エージェントです。RL Zoo は、Stable Baselines3 の強化学習エージェントの訓練フレームワークで、ハイパーパラメータの最適化と事前訓練済みエージェントが含まれています。

🚀 クイックスタート

このセクションでは、訓練済みモデルの使用方法と訓練方法について説明します。

📦 インストール

以下の手順で、訓練済みモデルをダウンロードして実行できます。

RL Zoo: https://github.com/DLR-RM/rl-baselines3-zoo
SB3: https://github.com/DLR-RM/stable-baselines3
SB3 Contrib: https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

# モデルをダウンロードして logs/ フォルダに保存
python -m rl_zoo3.load_from_hub --algo dqn --env Acrobot-v1 -orga sb3 -f logs/
python enjoy.py --algo dqn --env Acrobot-v1  -f logs/

🔧 訓練

RL Zoo を使用してモデルを訓練するには、以下のコマンドを実行します。

python train.py --algo dqn --env Acrobot-v1 -f logs/
# モデルをアップロードしてビデオを生成（可能な場合）
python -m rl_zoo3.push_to_hub --algo dqn --env Acrobot-v1 -f logs/ -orga sb3

🔧 技術詳細

ハイパーパラメータ

以下は、このモデルの訓練に使用されたハイパーパラメータです。

OrderedDict([('batch_size', 128),
             ('buffer_size', 50000),
             ('exploration_final_eps', 0.1),
             ('exploration_fraction', 0.12),
             ('gamma', 0.99),
             ('gradient_steps', -1),
             ('learning_rate', 0.00063),
             ('learning_starts', 0),
             ('n_timesteps', 100000.0),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs', 'dict(net_arch=[256, 256])'),
             ('target_update_interval', 250),
             ('train_freq', 4),
             ('normalize', False)])

📚 ドキュメント

モデル情報