Ppo BipedalWalker V3

🚀 PPO 智能體玩轉 BipedalWalker-v3

本項目是一個經過訓練的 PPO 智能體，它使用 stable-baselines3 庫 和 RL Zoo 來玩 BipedalWalker-v3 遊戲。

RL Zoo 是 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
python -m rl_zoo3.load_from_hub --algo ppo --env BipedalWalker-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env BipedalWalker-v3  -f logs/

模型訓練（藉助 RL Zoo）

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

📚 詳細文檔

超參數設置

OrderedDict([('batch_size', 64),
             ('clip_range', 0.18),
             ('ent_coef', 0.0),
             ('gae_lambda', 0.95),
             ('gamma', 0.999),
             ('learning_rate', 0.0003),
             ('n_envs', 32),
             ('n_epochs', 10),
             ('n_steps', 2048),
             ('n_timesteps', 5000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

模型指標