Testpyramidsrnd
這是一個基於PPO算法的強化學習智能體,專門為Unity ML-Agents的金字塔環境訓練而成。
下載量 49
發布時間 : 9/5/2022
模型概述
該模型使用PPO(Proximal Policy Optimization)算法在Unity的ML-Agents金字塔環境中進行訓練,能夠在該環境中執行特定的強化學習任務。
模型特點
基於PPO算法
使用Proximal Policy Optimization算法進行訓練,這是一種先進的強化學習算法。
Unity ML-Agents集成
專為Unity ML-Agents框架設計,可以無縫集成到Unity環境中。
金字塔環境適配
專門針對金字塔環境進行訓練和優化。
模型能力
金字塔環境導航
強化學習任務執行
Unity環境交互
使用案例
遊戲AI
金字塔環境導航
智能體可以在金字塔環境中進行導航和探索。
強化學習研究
PPO算法驗證
可用於驗證PPO算法在3D環境中的表現。
精選推薦AI模型
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 支持多種語言

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 英語

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 中文
R
uer
2,694
98