返回模型

说明文档

该模型作为海洋塑料收集环境的基线模型，使用近端策略优化（PPO）算法在任务 0 上进行训练和测试。 环境：海洋塑料收集 任务：0 算法：PPO 回合长度：5000 训练 max_steps：3000000 测试 max_steps：150000 训练和测试脚本 下载环境

hivex-research/hivex-OPC-PPO-baseline-task-0

作者 hivex-research

reinforcement-learning hivex

↓ 0 ♥ 0

创建时间: 2024-08-28 21:49:55+00:00

更新时间: 2025-03-20 23:06:27+00:00

在 Hugging Face 上查看

文件 (18)

.gitattributes

Agent.onnx ONNX

Agent/Agent-1499652.onnx ONNX

Agent/Agent-1499652.pt

Agent/Agent-1999721.onnx ONNX

Agent/Agent-1999721.pt

Agent/Agent-2499831.onnx ONNX

Agent/Agent-2499831.pt

Agent/Agent-2999817.onnx ONNX

Agent/Agent-2999817.pt

Agent/Agent-3000201.onnx ONNX

Agent/Agent-3000201.pt

Agent/checkpoint.pt

Agent/events.out.tfevents.1716242424.RICHARD.29368.0

README.md

configuration.yaml

run_logs/timers.json

run_logs/training_status.json