Tqc PandaPickAndPlace V1

🚀 TQC 智能體在 PandaPickAndPlace-v1 環境中的應用

本項目是一個經過訓練的 TQC 智能體，它使用 stable-baselines3 庫 和 RL Zoo 在 PandaPickAndPlace-v1 環境中進行學習和操作。RL Zoo 是一個針對 Stable Baselines3 強化學習智能體的訓練框架，包含超參數優化和預訓練智能體。

🚀 快速開始

模型使用（藉助 SB3 RL Zoo）

你可以按照以下步驟使用預訓練模型：

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo tqc --env PandaPickAndPlace-v1 -orga sb3 -f logs/
python enjoy.py --algo tqc --env PandaPickAndPlace-v1  -f logs/

相關鏈接：

• 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

模型訓練（藉助 RL Zoo）

若要重新訓練模型，可執行以下命令：

python train.py --algo tqc --env PandaPickAndPlace-v1 -f logs/
# 上傳模型並生成視頻（若支持）
python -m rl_zoo3.push_to_hub --algo tqc --env PandaPickAndPlace-v1 -f logs/ -orga sb3

✨ 主要特性

本項目具有以下主要特性：

• 採用 TQC 算法在 PandaPickAndPlace-v1 環境中訓練智能體。
• 藉助 RL Zoo 框架，支持超參數優化和預訓練智能體。

📚 詳細文檔

超參數設置

以下是訓練時使用的超參數：

OrderedDict([('batch_size', 2048),
             ('buffer_size', 1000000),
             ('env_wrapper', 'sb3_contrib.common.wrappers.TimeFeatureWrapper'),
             ('gamma', 0.95),
             ('learning_rate', 0.001),
             ('n_timesteps', 1000000.0),
             ('policy', 'MultiInputPolicy'),
             ('policy_kwargs', 'dict(net_arch=[512, 512, 512], n_critics=2)'),
             ('replay_buffer_class', 'HerReplayBuffer'),
             ('replay_buffer_kwargs',
              "dict( online_sampling=True, goal_selection_strategy='future', "
              'n_sampled_goal=4, )'),
             ('tau', 0.05),
             ('normalize', False)])

參考資料

Panda Gym 環境相關論文：arxiv.org/abs/2106.13687

📦 安裝指南

本項目依賴於 stable-baselines3、RL Zoo 等庫，可通過以下鏈接獲取：

• 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

按照對應項目的安裝說明進行安裝即可。

🔧 技術細節

評估指標

模型信息

• 模型名稱：TQC
• 訓練環境：PandaPickAndPlace-v1
• 使用庫：stable-baselines3、RL Zoo