说明文档

该模型作为空中野火抑制环境的基线模型，使用近端策略优化（PPO）算法在任务 6 和难度 4 下进行训练和测试。

环境：空中野火抑制 任务：6 难度：4 算法：PPO 回合长度：3000 训练 max_steps：1800000 测试 max_steps：180000

训练与测试脚本 下载环境

hivex-research/hivex-AWS-PPO-baseline-task-6-difficulty-4

作者 hivex-research

reinforcement-learning hivex

↓ 0 ♥ 0

创建时间: 2024-08-30 13:35:24+00:00

更新时间: 2025-03-20 21:14:56+00:00

.gitattributes

Agent.onnx ONNX

Agent/Agent-1499989.onnx ONNX

Agent/Agent-1499989.pt

Agent/Agent-1800054.onnx ONNX

Agent/Agent-1800054.pt

Agent/Agent-499956.onnx ONNX

Agent/Agent-499956.pt

Agent/Agent-999972.onnx ONNX

Agent/Agent-999972.pt

Agent/checkpoint.pt

Agent/events.out.tfevents.1717321892.RICHARD.20396.0

README.md

configuration.yaml

run_logs/timers.json

run_logs/training_status.json