PPO-агент для посадки Tesla Roadster

WeonJeong / CONNECT AI LAB (maru) выпустили PPO-агента непрерывного управления, который сажает падающий перевёрнутый Tesla Roadster на посадочную площадку в симуляторе. Агент управляет основной тягой (0–1) и поворотным двигателем (−1–1); наблюдение — 7-мерное, действие — 2-мерное. Actor и Critic — MLP 7→64→64→2/1 с Tanh.

⚙ Ключевые особенности

• 🎯 PPO для непрерывного управления: тяга и RCS-момент, есть детерминированный режим.
• 🛡 5 осей domain randomization: боковой и порывистый ветер, допуски массы/тяги, эксцентриситет центра масс, задержка актуаторов и шум сенсоров.
• ✅ 99.0% успешных посадок в 100 строгих детерминированных прогонах (95% CI 94.6–99.8%).
• 🔎 Observation 7D: x, y, vx, vy, sin/cos θ, угловая скорость; action 2D.
• ⚙ Обучение: 500k шагов, 8 параллельных сред, clip 0.16, γ 0.99, GAE λ 0.95, lr 3e-4, reward shaping 1.50.
• ❌ Для запуска нужен собственный симулятор: код импортирует модуль 로드스터_시뮬레이터.

💻 Пример

import torch
from huggingface_hub import hf_hub_download
from 로드스터_시뮬레이터 import 로드스터연속

model_path = hf_hub_download(repo_id="WeonJeong/connectailab-rl-maru-v1-roadster-ppo", filename="model.pt")
brain = 정책두뇌(7, 2, 연속=True)
brain.load_state_dict(torch.load(model_path, map_location="cpu"))
brain.eval()

Подробнее

Средняя ошибка посадки — 0.645 м при ширине площадки 3.0 м; средний угол касания — −0.85°, расход топлива — 19.26 units.
Метрики получены в детерминированном режиме (σ=0), 99 из 100 успешных прогонов.
Ограничение: воспроизведение зависит от внешнего симулятора 로드스터_시뮬레이터, которого нет в репозитории.