Td3 HalfCheetah V3

🚀 TD3 智能體玩轉 HalfCheetah-v3

本項目是一個經過訓練的 TD3 智能體，它使用 stable-baselines3 庫 和 RL Zoo 來玩 HalfCheetah-v3 遊戲。RL Zoo 是一個用於 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）

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

# 下載模型並保存到 logs/ 文件夾中
python -m rl_zoo3.load_from_hub --algo td3 --env HalfCheetah-v3 -orga sb3 -f logs/
python enjoy.py --algo td3 --env HalfCheetah-v3  -f logs/

模型訓練（藉助 RL Zoo）

python train.py --algo td3 --env HalfCheetah-v3 -f logs/
# 上傳模型並生成視頻（若可行）
python -m rl_zoo3.push_to_hub --algo td3 --env HalfCheetah-v3 -f logs/ -orga sb3

✨ 主要特性

本項目使用 TD3 算法訓練智能體，在 HalfCheetah-v3 環境中取得了不錯的效果。以下是該模型的相關指標：

💻 使用示例

基礎用法

# 下載模型並保存到 logs/ 文件夾中
python -m rl_zoo3.load_from_hub --algo td3 --env HalfCheetah-v3 -orga sb3 -f logs/
python enjoy.py --algo td3 --env HalfCheetah-v3  -f logs/

高級用法

# 訓練模型
python train.py --algo td3 --env HalfCheetah-v3 -f logs/
# 上傳模型並生成視頻（若可行）
python -m rl_zoo3.push_to_hub --algo td3 --env HalfCheetah-v3 -f logs/ -orga sb3

🔧 技術細節

超參數設置

OrderedDict([('learning_starts', 10000),
             ('n_timesteps', 1000000.0),
             ('policy', 'MlpPolicy'),
             ('normalize', False)])

這些超參數在訓練 TD3 智能體時起到了關鍵作用，影響著模型的收斂速度和最終性能。例如，learning_starts 控制著智能體在開始學習之前的隨機探索步數，n_timesteps 則決定了訓練的總時間步長。