Sealswalker2d V0

🚀 PPOエージェントによるseals/Walker2d-v0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、seals/Walker2d-v0をプレイするように学習されたPPO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トレーニングフレームワークで、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

✨ 主な機能

• PPOエージェント：seals/Walker2d-v0環境での強化学習に使用されるエージェント。
• RL Zoo：Stable Baselines3のエージェントをトレーニングするためのフレームワークで、ハイパーパラメータ最適化機能を備えています。

📦 インストール

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

💻 使用例

基本的な使用法

# モデルをダウンロードしてlogs/フォルダに保存
python -m utils.load_from_hub --algo ppo --env seals/Walker2d-v0 -orga ernestumorga -f logs/
python enjoy.py --algo ppo --env seals/Walker2d-v0  -f logs/

高度な使用法

# モデルのトレーニング
python train.py --algo ppo --env seals/Walker2d-v0 -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
python -m utils.push_to_hub --algo ppo --env seals/Walker2d-v0 -f logs/ -orga ernestumorga

🔧 技術詳細

ハイパーパラメータ

OrderedDict([('batch_size', 8),
             ('clip_range', 0.4),
             ('ent_coef', 0.00013057334805552262),
             ('gae_lambda', 0.92),
             ('gamma', 0.98),
             ('learning_rate', 3.791707778339674e-05),
             ('max_grad_norm', 0.6),
             ('n_envs', 1),
             ('n_epochs', 5),
             ('n_steps', 2048),
             ('n_timesteps', 1000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs',
              'dict(activation_fn=nn.ReLU, net_arch=[dict(pi=[256, 256], '
              'vf=[256, 256])])'),
             ('vf_coef', 0.6167177795726859),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

📄 ライセンス

原READMEにライセンス情報が記載されていないため、このセクションは省略されています。

情報テーブル