库名称: stable-baselines3 标签:

• BipedalWalker-v3
• 深度强化学习
• 强化学习
• stable-baselines3 模型索引:
• 名称: PPO 结果:
  • 指标:
    • 类型: 平均奖励 值: 288.30 +/- 2.23 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: BipedalWalker-v3 类型: BipedalWalker-v3

PPO 智能体在 BipedalWalker-v3 中的表现

这是一个经过训练的 PPO 智能体模型，用于在 BipedalWalker-v3 环境中进行游戏，使用了 stable-baselines3 库 和 RL Zoo。

RL Zoo 是一个用于 Stable Baselines3 强化学习智能体的训练框架，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 ppo --env BipedalWalker-v3 -orga sb3 -f logs/
python enjoy.py --algo ppo --env BipedalWalker-v3  -f logs/

训练（使用 RL Zoo）

python train.py --algo ppo --env BipedalWalker-v3 -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 BipedalWalker-v3 -f logs/ -orga sb3

超参数

OrderedDict([('batch_size', 64),
             ('clip_range', 0.18),
             ('ent_coef', 0.0),
             ('gae_lambda', 0.95),
             ('gamma', 0.999),
             ('learning_rate', 0.0003),
             ('n_envs', 32),
             ('n_epochs', 10),
             ('n_steps', 2048),
             ('n_timesteps', 5000000.0),
             ('normalize', True),
             ('policy', 'MlpPolicy'),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])