AIbase
JA
ホーム
Assignment2 Omar
A

Assignment2 Omar

Classroom-workshopによって開発
これはPPOアルゴリズムに基づく強化学習モデルで、LunarLander-v2環境における着陸タスクを解決するために特別に設計されています。
物理学モデル#月面着陸制御#深層強化学習#安定した訓練フレームワーク
ダウンロード数 135
リリース時間 : 6/2/2022

モデル概要

このモデルはstable-baselines3ライブラリを使用してPPOアルゴリズムを実装し、LunarLander-v2環境で訓練され、月着陸船を安全に着陸させることを目的としています。

モデル特徴

安定した方策最適化
PPOアルゴリズムを使用して安定した方策勾配更新を実現し、訓練中の激しい変動を回避します
連続行動空間のサポート
LunarLander-v2環境における連続行動空間制御問題を処理できます
効率的な学習
従来の強化学習アルゴリズムと比較して、PPOはより高いサンプル利用効率を持っています

モデル能力

連続行動制御
強化学習タスク解決
環境状態理解
方策最適化

使用事例

ゲームAI
月着陸船の着陸制御
AIエージェントを訓練して、指定された領域に月着陸船を安全に着陸させます
平均報酬が10 +/- 7.11に達しました
教育デモ
強化学習の教育
PPOアルゴリズムの教育例として、強化学習の基本原理を展示します
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
AIbase
未来を切り開く、あなたのAIソリューション知識ベース
English简体中文繁體中文にほんご
© 2025AIbase