Ppo MountainCarContinuous V0

🚀 PPO 智能體在 MountainCarContinuous-v0 環境中的應用

本項目是一個經過訓練的 PPO 智能體，它使用 stable-baselines3 庫 和 RL Zoo 在 MountainCarContinuous-v0 環境中進行學習和決策。RL Zoo 是一個用於 Stable Baselines3 強化學習智能體的訓練框架，其中包含超參數優化和預訓練智能體。

🚀 快速開始

模型評估

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo ppo --env MountainCarContinuous-v0 -orga sb3 -f logs/
python enjoy.py --algo ppo --env MountainCarContinuous-v0  -f logs/

模型訓練

python train.py --algo ppo --env MountainCarContinuous-v0 -f logs/
# 上傳模型並生成視頻（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env MountainCarContinuous-v0 -f logs/ -orga sb3

✨ 主要特性

• 環境支持：支持 MountainCarContinuous-v0 環境。
• 算法類型：使用 PPO（近端策略優化）算法。
• 訓練框架：基於 stable-baselines3 庫 和 RL Zoo 進行訓練。

📦 安裝指南

• 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

請根據上述鏈接中的說明進行安裝。

💻 使用示例

基礎用法

# 下載模型並保存到 logs/ 文件夾
python -m rl_zoo3.load_from_hub --algo ppo --env MountainCarContinuous-v0 -orga sb3 -f logs/
python enjoy.py --algo ppo --env MountainCarContinuous-v0  -f logs/

高級用法

# 模型訓練
python train.py --algo ppo --env MountainCarContinuous-v0 -f logs/
# 上傳模型並生成視頻（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env MountainCarContinuous-v0 -f logs/ -orga sb3

🔧 技術細節

超參數設置

OrderedDict([('batch_size', 256),
             ('clip_range', 0.1),
             ('ent_coef', 0.00429),
             ('gae_lambda', 0.9),
             ('gamma', 0.9999),
             ('learning_rate', 7.77e-05),
             ('max_grad_norm', 5),
             ('n_envs', 1),
             ('n_epochs', 10),
             ('n_steps', 8),
             ('n_timesteps', 20000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('policy_kwargs', 'dict(log_std_init=-3.29, ortho_init=False)'),
             ('use_sde', True),
             ('vf_coef', 0.19),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])

評估指標