Td3 Hopper V3

🚀 TD3エージェントによるHopper-v3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、TD3エージェントがHopper-v3をプレイするように学習させたものです。

RL Zooは、Stable Baselines3の強化学習エージェントの学習フレームワークで、ハイパーパラメータの最適化と事前学習済みのエージェントが含まれています。

🚀 クイックスタート

💻 使用例

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/フォルダに保存する
python -m rl_zoo3.load_from_hub --algo td3 --env Hopper-v3 -orga sb3 -f logs/
python enjoy.py --algo td3 --env Hopper-v3  -f logs/

🔧 学習方法

python train.py --algo td3 --env Hopper-v3 -f logs/
# モデルをアップロードし、可能であればビデオを生成する
python -m rl_zoo3.push_to_hub --algo td3 --env Hopper-v3 -f logs/ -orga sb3

📚 詳細ドキュメント

ハイパーパラメータ

OrderedDict([('batch_size', 256),
             ('gradient_steps', 1),
             ('learning_rate', 0.0003),
             ('learning_starts', 10000),
             ('n_timesteps', 1000000.0),
             ('policy', 'MlpPolicy'),
             ('train_freq', 1),
             ('normalize', False)])

📦 モデル情報