Td3 HalfCheetah V3
モデル概要
TD3(Twin Delayed DDPG)は、連続動作空間の制御タスクに適した深層強化学習アルゴリズムです。このモデルはHalfCheetah-v3環境で優れた性能を発揮し、シミュレートされたチーターロボットの効率的な運動を制御できます。
モデル特徴
高性能制御
HalfCheetah-v3環境で9709.01の平均報酬を達成し、優れた性能を示しています。
安定した訓練
TD3アルゴリズムを採用し、二重Qネットワークや遅延ポリシー更新などの技術により訓練の安定性を確保しています。
容易な統合
stable-baselines3フレームワークに基づいており、他のRLツールやライブラリと簡単に統合して使用できます。
モデル能力
連続動作空間制御
ロボット運動制御
強化学習タスク解決
使用事例
ロボット制御
チーターロボットの運動制御
シミュレートされたチーターロボットを制御して効率的な運動を実現
平均報酬9709.01を達成
アルゴリズム研究
強化学習アルゴリズムの比較
異なる強化学習アルゴリズムの性能を比較するためのベンチマークモデルとして使用
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