|
|
--- |
|
|
library_name: transformers |
|
|
tags: |
|
|
- reinforcement-learning |
|
|
- gymnasium |
|
|
- dqn |
|
|
- lunar-lander |
|
|
- alpha-pilot |
|
|
model_name: Alpha-Pilot-V1 |
|
|
pipeline_tag: reinforcement-learning |
|
|
license: apache-2.0 |
|
|
--- |
|
|
|
|
|
# 🚀 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) |
|
|
|
|
|
<div align="center"> |
|
|
<video src="https://cdn-uploads.huggingface.co/production/uploads/694031e46f4ee7b27d767524/C0BHwaqOzTjxDl0nfFCUs.mp4" width="100%" controls autoplay loop muted></video> |
|
|
</div> |
|
|
|
|
|
*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`. |
|
|
|
|
|
```python |
|
|
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]}") |
