🚀 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
📦 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
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
python train.py --algo ppo --env MountainCarContinuous-v0 -f logs/
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
属性 |
详情 |
模型类型 |
PPO |
训练数据 |
MountainCarContinuous-v0 |
平均奖励 |
94.57 +/- 0.45 |