prostochel097/alphapilot-v1

🚀 Alpha-Pilot-V1 (LunarLander-v2)

Alpha-Pilot-V1 — это полностью автономная интеллектуальная система управления космическим модулем, обученная с нуля методом глубокого обучения с подкреплением (Deep Q-Learning).

Модель прошла путь цифровой эволюции от хаотичных падений до ювелирной посадки на поверхность Луны всего за 357 тренировочных эпизодов.

🎥 Видео полета (Эпизод №357)

На видео продемонстрирован финальный этап обучения: агент идеально стабилизирует модуль и совершает мягкую посадку в заданном квадрате.

🧠 Характеристики модели

• Архитектура: Многослойный перцептрон (MLP) с 35.7k параметров.
• Входные данные: 8 сенсоров (координаты, скорости, углы, касание лап).
• Выходные данные: 4 дискретных действия (Ничего не делать, Левый движок, Главный движок, Правый движок).
• Формат: SafeTensors (безопасные веса, мгновенная загрузка).
• Точность: Float32.

📈 История обучения

Модели потребовалось менее 400 попыток, чтобы полностью освоить физику среды:

• Эпизоды 0-100: Хаотичное движение, поиск базовых инстинктов выживания.
• Эпизоды 100-250: Стабилизация горизонтального полета, попытки подруливания.
• Эпизоды 300+: Профессиональное маневрирование и стабильная мягкая посадка с итоговой наградой > 200 очков.

💻 Как запустить

Модель поддерживает автоматическую загрузку через библиотеку transformers.

import torch
from transformers import AutoModel

# Загрузка модели
# Обязательно используйте trust_remote_code=True для активации кастомной архитектуры
model = AutoModel.from_pretrained("prostochel097/alphapilot-v1", trust_remote_code=True)
model.eval()

# Симуляция входных данных с датчиков (8 чисел)
dummy_observation = torch.randn(1, 8)

# Принятие решения
with torch.no_grad():
    logits = model(dummy_observation)
    action = torch.argmax(logits).item()

actions = ["Ничего не делать", "Левый движок", "Главный движок", "Правый движок"]
print(f"🤖 Решение пилота: {actions[action]}")