T

Td3 HalfCheetah V3

sb3によって開発
これはstable-baselines3ライブラリで訓練されたTD3強化学習エージェントで、HalfCheetah-v3環境向けに設計されており、平均報酬は9709.01を達成しています。
ダウンロード数 23
リリース時間 : 6/2/2022

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
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
© 2025AIbase