PPO-агент для 100-кг сферического робота
обход препятствий и точный заезд в цель
1 мин чтенияобновлено
Это PPO-агент для автономного управления 100-килограммовым сферическим роботом в MuJoCo 3D и Gymnasium. Проект CONNECT AI LAB (автор novice, v1) обучен проходить арену с центральной колонной, четырьмя угловыми пилонами и четырьмя баффл-стенами, используя 8-канальный виртуальный LiDAR и нормализацию наблюдений.
Ключевые особенности
- Среда
SphericalAgent-v0: масса 100 кг, радиус 0.20 м, момент инерции 2.6667 кг·м². - 18-мерное наблюдение: положение цели, скорости, ориентация и 8 лучей LiDAR.
- Действие — 2 непрерывных момента в диапазоне ±220 Н·м.
- Награда поощряет прогресс, близость и alignment, а штрафует время, энергию, спин и столкновения.
- Обучение: 483 328 шагов, 8 параллельных сред, 1 004 эпизода.
Пример
import gymnasium as gym
from huggingface_hub import hf_hub_download
repo_id = 'lookarooka/connectailab-rl-novice-v1-SphericalAgent-v0-ppo'
model_file = hf_hub_download(repo_id=repo_id, filename='spherical_ppo_model.pt')
hf_hub_download(repo_id=repo_id, filename='world.xml', local_dir='.')
hf_hub_download(repo_id=repo_id, filename='spherical_agent_env.py', local_dir='.')
import spherical_agent_env
env = gym.make('SphericalAgent-v0', render_mode='human')
Подробнее
Поздняя награда: +89.7 (старт −292).Успех достижения цели: 66.7%, среднее время 1.2–2.4 с.
Политика обучена только под кастомную среду
SphericalAgent-v0; для запуска нужны gymnasium, mujoco, torch, numpy, glfw и imageio.









Комментарии