RecurrentPPO 代理在 CartPoleNoVel-v1 上进行游戏

这是一个经过训练的 RecurrentPPO 代理模型，在 CartPoleNoVel-v1 上进行游戏，使用了 stable-baselines3 library 和 RL Zoo 。

RL Zoo是一个用于稳定基线3强化学习代理训练的框架，包括了超参数优化和预训练代理。

使用方法（使用SB3 RL Zoo）

RL Zoo： https://github.com/DLR-RM/rl-baselines3-zoo SB3： https://github.com/DLR-RM/stable-baselines3 SB3 Contrib： https://github.com/Stable-Baselines-Team/stable-baselines3-contrib

# Download model and save it into the logs/ folder
python -m rl_zoo3.load_from_hub --algo ppo_lstm --env CartPoleNoVel-v1 -orga sb3 -f logs/
python enjoy.py --algo ppo_lstm --env CartPoleNoVel-v1  -f logs/

训练（使用RL Zoo）

python train.py --algo ppo_lstm --env CartPoleNoVel-v1 -f logs/
# Upload the model and generate video (when possible)
python -m rl_zoo3.push_to_hub --algo ppo_lstm --env CartPoleNoVel-v1 -f logs/ -orga sb3

超参数

OrderedDict([('batch_size', 256),
             ('clip_range', 'lin_0.2'),
             ('ent_coef', 0.0),
             ('gae_lambda', 0.8),
             ('gamma', 0.98),
             ('learning_rate', 'lin_0.001'),
             ('n_envs', 8),
             ('n_epochs', 20),
             ('n_steps', 32),
             ('n_timesteps', 100000.0),
             ('normalize', True),
             ('policy', 'MlpLstmPolicy'),
             ('policy_kwargs',
              'dict( ortho_init=False, activation_fn=nn.ReLU, '
              'lstm_hidden_size=64, enable_critic_lstm=True, '
              'net_arch=[dict(pi=[64], vf=[64])] )'),
             ('normalize_kwargs', {'norm_obs': True, 'norm_reward': False})])