К содержимому
Другое

racingmania-specialist-campaign-01-seed0

ИИ-гонщик для браузерных 3D-гонок

2 мин чтенияобновлено

Это агент обучения с подкреплением (RL — метод, при котором нейросеть учится методом проб и ошибок за награду), обученный проходить трассу в оригинальной браузерной 3D-гонке RacingMania. Модель разработана автором BurnyCoder и построена на алгоритме PPO (Proximal Policy Optimization) с компактной архитектурой MLP 2x256. В отличие от универсальных ботов, этот «специалист» натренирован исключительно на одном треке кампании (campaign-01), стараясь максимально быстро продвигаться вдоль центральной линии трассы. Модель пригодится разработчикам браузерных игр на three.js и энтузиастам RL, которые хотят посмотреть на работу легких нейросетевых агентов в физическом симуляторе прямо в браузере.

Ключевые особенности

  • Два формата весов: в репозитории лежат чекпоинт final.pt для PyTorch и готовый граф policy.onnx с нормализацией для запуска в браузере.
  • Компактная архитектура: многослойный перцептрон (MLP) на два слоя по 256 нейронов с активацией tanh и двумя выходами на 3 действия (руль и педали).
  • Векторный обзор: агент ориентируется по текущему состоянию машины и 20 точкам трассы впереди (look-ahead points).
  • Открытая лицензия: модель и исходный код симулятора распространяются под свободной лицензией MIT.

Что можно сделать

  • Запустить в браузере: открыть веб-версию игры RacingMania и выбрать этого агента в режиме «Watch the AI», чтобы понаблюдать за его заездом.
  • Встроить в свой проект: подключить файл policy.onnx через ONNX Runtime для управления транспортом в собственном 3D-симуляторе на базе cannon-es или three.js.
  • Использовать как бейзлайн: взять веса final.pt и кривые обучения из папки eval/ для сравнения с собственными RL-агентами на тех же трассах.

Пример

import numpy as np, onnxruntime as ort
sess = ort.InferenceSession("policy.onnx")
inputs = {i.name: np.zeros([d if isinstance(d, int) else 1 for d in i.shape], np.float32) for i in sess.get_inputs()}
steer_logits, pedal_logits = sess.run(None, inputs)
steer, pedal = int(steer_logits.argmax()), int(pedal_logits.argmax())
ПодробнееОбучение: 200 278 016 шагов в 16 384 параллельных средах за 0.31 часа.
Метрика SWS (скорость с учётом финиша): 0.306 на 5 треках кампании (20.0% финишей) и 0.188 на 197 валидационных треках (13.2% финишей).
Ограничение: агент обучался только на одном треке (campaign-01), поэтому на незнакомых трассах финиширует редко.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # BurnyCoder/racingmania-specialist-campaign-01-seed0
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download BurnyCoder/racingmania-specialist-campaign-01-seed0 --local-dir ~/models/racingmania-specialist-campaign-01-seed0
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии racingmania-specialist-campaign-01-seed0 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

BurnyCoder/racingmania-specialist-campaign-01-seed0
Автор
BurnyCoder
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии