Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,49 @@
+---
+tags:
+- unity-ml-agents
+- deep-reinforcement-learning
+- reinforcement-learning
+- ML-Agents-Huggy
+library_name: ml-agents
+---
+
+# PPO Agent for Huggy 🐶
+
+这是一个使用 **Unity ML-Agents** 训练的强化学习模型。该模型训练了一个叫 **Huggy** 的蓝色小狗机器人，它的目标是学会在环境中准确地移动并“抱住”目标（通常是玩家的手）。
+
+## 训练成果展示
+* **算法**: PPO (Proximal Policy Optimization)
+* **训练步数**: 2,000,000 steps
+* **平均奖励 (Mean Reward)**: ~3.8 - 4.0 (已收敛)
+
+## 模型描述
+该 Agent 使用了深度神经网络（3层，每层 512 个隐藏单元）来处理环境观测。
+- **观测空间 (Observation Space)**: 包含 Huggy 的关节位置、速度以及目标物体的相对位置。
+- **动作空间 (Action Space)**: 连续动作，控制 Huggy 各个腿部关节的力矩。
+
+
+
+## 使用方法
+要在 Unity 中使用此模型：
+1. 安装 [Unity ML-Agents Toolkit](https://github.com/Unity-Technologies/ml-agents)。
+2. 下载本仓库中的 `Huggy.onnx` 文件。
+3. 将 `.onnx` 文件拖入 Unity 项目。
+4. 在 Huggy 对象的 `Behavior Parameters` 组件中，将该文件拖入 `Model` 字段。
+5. 按下 Play 键观察效果。
+
+## 训练配置 (Hyperparameters)
+```yaml
+trainer_type: ppo
+hyperparameters:
+  batch_size: 2048
+  buffer_size: 20480
+  learning_rate: 0.0003
+  beta: 0.005
+  epsilon: 0.2
+  lambd: 0.95
+  num_epoch: 3
+  learning_rate_schedule: linear
+network_settings:
+  normalize: true
+  hidden_units: 512
+  num_layers: 3