Ppo CartPole V1
這是一個使用 stable-baselines3 庫訓練的 PPO 智能體模型,專門用於解決 CartPole-v1 強化學習任務。
下載量 14
發布時間 : 5/11/2025
模型概述
該模型基於 PPO (Proximal Policy Optimization) 算法,用於控制 CartPole-v1 環境中的杆子平衡問題。
模型特點
高效強化學習
使用 PPO 算法實現高效的策略優化,適合連續動作空間問題
穩定訓練
PPO 算法通過限制策略更新幅度,確保訓練過程的穩定性
CartPole-v1 環境適配
專門針對 CartPole-v1 環境優化,能夠達到最大獎勵
模型能力
強化學習控制
杆子平衡控制
連續動作空間決策
使用案例
教育演示
強化學習教學
用於演示強化學習算法在經典控制問題中的應用
能夠穩定保持杆子平衡,獲得最大獎勵
算法研究
PPO 算法基準測試
作為 PPO 算法性能的基準參考
平均獎勵達到 500.00 +/- 0.00
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