AIbase
EN
Home
Ppo LunarLander V2
P

Ppo LunarLander V2

Developed by andri
これはPPOアルゴリズムに基づく強化学習モデルで、LunarLander-v2環境向けに訓練され、月面着陸船の安全な着陸を制御するために使用されます。
物理学モデル#月面着陸船制御#深層強化学習#安定した訓練フレームワーク
Downloads 16
Release Time : 6/8/2022

Model Overview

このモデルはProximal Policy Optimization (PPO)アルゴリズムを使用して訓練され、LunarLander-v2シミュレーション環境で月面着陸船を制御する戦略を学習し、安全な着陸を実現できます。

Model Features

安定した訓練
PPOアルゴリズムを採用し、安定した戦略最適化プロセスを提供
効率的な学習
比較的少ない訓練ステップで効果的な制御戦略を学習可能
再現性
stable-baselines3に基づいて実装され、良好な実験再現性を有する

Model Capabilities

強化学習制御
連続行動空間処理
環境状態認識

Use Cases

ゲームAI
月面着陸船制御
LunarLander-v2環境で着陸船を安全に着陸させる
平均報酬263.23 +/- 15.11
教育デモ
強化学習教育
強化学習アルゴリズム教育の典型的な事例として
Featured Recommended AI Models
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 Supports Multiple Languages
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 English
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 Chinese
R
uer
2,694
98
AIbase
Empowering the Future, Your AI Solution Knowledge Base
English简体中文繁體中文にほんご
© 2025AIbase