| | --- |
| | 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]}") |
