Ppo MountainCarContinuous V0

🚀 PPO 智能体在 MountainCarContinuous-v0 环境中的应用

本项目是一个经过训练的 PPO 智能体，它使用 stable-baselines3 库 和 RL Zoo 在 MountainCarContinuous-v0 环境中进行学习和决策。RL Zoo 是一个用于 Stable Baselines3 强化学习智能体的训练框架，其中包含超参数优化和预训练智能体。

🚀 快速开始

模型评估

# 下载模型并保存到 logs/ 文件夹
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/

模型训练

python train.py --algo ppo --env MountainCarContinuous-v0 -f logs/
# 上传模型并生成视频（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env MountainCarContinuous-v0 -f logs/ -orga sb3

✨ 主要特性

• 环境支持：支持 MountainCarContinuous-v0 环境。
• 算法类型：使用 PPO（近端策略优化）算法。
• 训练框架：基于 stable-baselines3 库 和 RL Zoo 进行训练。

📦 安装指南

• 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

请根据上述链接中的说明进行安装。

💻 使用示例

基础用法

# 下载模型并保存到 logs/ 文件夹
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/

高级用法

# 模型训练
python train.py --algo ppo --env MountainCarContinuous-v0 -f logs/
# 上传模型并生成视频（如果可能）
python -m rl_zoo3.push_to_hub --algo ppo --env MountainCarContinuous-v0 -f logs/ -orga sb3

🔧 技术细节

超参数设置

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})])

评估指标