库名称: stable-baselines3
标签:

• PandaPickAndPlace-v1
• 深度强化学习
• 强化学习
• stable-baselines3

模型索引:

• 名称: TQC
  结果:
  • 指标:
    • 类型: 平均奖励
      值: -12.90 +/- 8.87
      名称: 平均奖励
      任务:
      类型: 强化学习
      名称: 强化学习
      数据集:
      名称: PandaPickAndPlace-v1
      类型: PandaPickAndPlace-v1

TQC 智能体在 PandaPickAndPlace-v1 中的表现

这是一个经过训练的 TQC 智能体模型，用于在 PandaPickAndPlace-v1 环境中运行，使用了 stable-baselines3 库 和 RL Zoo。

RL Zoo 是一个用于训练 Stable Baselines3 强化学习智能体的框架，包含超参数优化和预训练智能体。

使用方法（与 SB3 RL Zoo 配合）

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

# 下载模型并保存到 logs/ 文件夹  
python -m rl_zoo3.load_from_hub --algo tqc --env PandaPickAndPlace-v1 -orga sb3 -f logs/  
python enjoy.py --algo tqc --env PandaPickAndPlace-v1 -f logs/  

训练（使用 RL Zoo）

python train.py --algo tqc --env PandaPickAndPlace-v1 -f logs/  
# 上传模型并生成视频（如可能）  
python -m rl_zoo3.push_to_hub --algo tqc --env PandaPickAndPlace-v1 -f logs/ -orga sb3  

超参数

OrderedDict([('batch_size', 2048),  
             ('buffer_size', 1000000),  
             ('env_wrapper', 'sb3_contrib.common.wrappers.TimeFeatureWrapper'),  
             ('gamma', 0.95),  
             ('learning_rate', 0.001),  
             ('n_timesteps', 1000000.0),  
             ('policy', 'MultiInputPolicy'),  
             ('policy_kwargs', 'dict(net_arch=[512, 512, 512], n_critics=2)'),  
             ('replay_buffer_class', 'HerReplayBuffer'),  
             ('replay_buffer_kwargs',  
              "dict( online_sampling=True, goal_selection_strategy='future', "  
              'n_sampled_goal=4, )'),  
             ('tau', 0.05),  
             ('normalize', False)])  

Panda Gym 环境: arxiv.org/abs/2106.13687