S

Sac Pendulum V1

sb3によって開発
これはSACアルゴリズムに基づく強化学習モデルで、Pendulum-v1環境における制御問題を解決するためのものです。
ダウンロード数 39
リリース時間 : 5/22/2022

モデル概要

このモデルはStable Baselines3ライブラリのSACアルゴリズムを使用して訓練され、Pendulum-v1環境における倒立振子制御問題の解決に特化しています。

モデル特徴

SACアルゴリズムベース
Soft Actor-Criticアルゴリズムを使用し、ポリシー勾配とQ学習の利点を組み合わせ、連続動作空間の制御問題に適しています。
安定した訓練
stable-baselines3ライブラリを通じて実装され、安定した訓練プロセスと信頼性の高い性能を提供します。
ハイパーパラメータ最適化
モデルはハイパーパラメータ最適化が施されており、Pendulum-v1環境で良好な性能を発揮します。

モデル能力

連続動作空間制御
強化学習ポリシー最適化
倒立振子バランス制御

使用事例

制御問題
倒立振子制御
倒立振子を直立状態に保つ制御
平均報酬-176.33 +/- 101.55
強化学習研究
SACアルゴリズムベンチマーク
連続制御タスクにおけるSACアルゴリズムのベンチマークモデルとして
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