---
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]}")