Ppo LunarLander V2
Model Overview
該模型使用Proximal Policy Optimization (PPO)算法訓練,旨在控制航天器在月球表面安全著陸。
Model Features
穩定訓練
使用PPO算法確保訓練過程的穩定性
連續動作空間處理
能夠處理LunarLander環境中的連續動作空間
獎勵優化
通過強化學習優化航天器著陸的獎勵函數
Model Capabilities
航天器控制
連續動作決策
強化學習任務解決
Use Cases
航天模擬
月球著陸器控制
模擬控制航天器在月球表面安全著陸的過程
平均獎勵達到92.08 +/- 122.82
教育演示
強化學習教學案例
作為強化學習算法的教學演示案例
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 Chinese
R
uer
2,694
98