---
tags:
- reinforcement-learning
- stable-baselines3
- ppo
- gymnasium
- lunar-lander
---

# PPO LunarLander-v3

使用 [Stable-Baselines3](https://github.com/DLR-RM/stable-baselines3) 在 Gymnasium 的 `LunarLander-v3` 环境上训练的一个月球着陆器智能体（PPO 算法）。

## 环境
- **环境**：`LunarLander-v3`（Gymnasium / Box2D）
- **动作空间**：4 个离散动作（无操作 / 左引擎 / 主引擎 / 右引擎）
- **状态空间**：8 维连续观测

## 算法与超参数
| 超参数 | 值 |
|--------|----|
| 算法 | PPO（MlpPolicy） |
| gamma | 0.999 |
| 总训练步数 | 1,500,000 |
| 并行环境数 | 16 |
| n_steps | 1024 |
| 学习率 | 3e-4 |

## 评估结果
- **平均奖励：284.28 ± 29.55**（100 局确定性评估）
- 超过 LunarLander 「通关」标准（平均奖励 ≥ 200）

## 回放视频
[观看回放视频](replay.mp4)