Reinforcement Learning
stable-baselines3
PyTorch
English
Korean
deep-reinforcement-learning
ppo
continuous-control
mujoco
pusher
pusher-v5
robotics
robot
robot-arm
robotic-manipulation
7-dof
gymnasium
Eval Results (legacy)
Instructions to use hwihwalab/pusher-v5-ppo with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- stable-baselines3
How to use hwihwalab/pusher-v5-ppo with stable-baselines3:
from huggingface_sb3 import load_from_hub checkpoint = load_from_hub( repo_id="hwihwalab/pusher-v5-ppo", filename="{MODEL FILENAME}.zip", ) - Notebooks
- Google Colab
- Kaggle
| # ๐ AI Vibe-Coding Defense Rules for Pusher-v5 RL Project | |
| **Rule 1. Mandatory Document Load (๋ฌธ์ ๊ฐ์ ํ์ธ ์๋ฌด)** | |
| ์ด๋ค ์ฝ๋๋ฅผ ์์ฑํ๊ฑฐ๋ ๋๋ฒ๊น /์์ ํ๊ธฐ ์ ์, ๋ฐ๋์ ๋ฃจํธ ํด๋์ `DOCS_AI_CODING_PROTOCOL.md`๋ฅผ ๋จผ์ ๋ก๋ํ์ฌ ํ์ฌ ์์ ๊ณผ ๊ด๋ จ๋ ์์ธ ๊ธฐํ ๋ฌธ์(`DOCS_*.md`)๊ฐ ๋ฌด์์ธ์ง ํ์ ํ๊ณ ๊ทธ๊ฒ๋ถํฐ ์ฝ์ด์ผ ํฉ๋๋ค. ๊ธฐํ ๋ฐ ๊ท๊ฒฉ์ ๋ฌด์ํ ์ฑ ์์๋ก ์ฝ๋ฉ(Vibe Coding)ํ๋ ๊ฒ์ ์๊ฒฉํ ๊ธ์งํฉ๋๋ค. | |
| **Rule 2. Auto-Sync Documentation (์๋ ๋ฌธ์ ๋๊ธฐํ ์๋ฌด)** | |
| ๊ฐํํ์ต ํ์ดํผํ๋ผ๋ฏธํฐ, ํ๊ฒฝ ์ค์ (Pusher-v5), ๋ฉํธ๋ฆญ ๊ตฌ์กฐ, ์๊ฐํ HUD/๋์๋ณด๋ ๊ท๊ฒฉ, CLI ์ต์ ์ ๋ณ๊ฒฝํ ๊ฒฝ์ฐ, ์ฌ์ฉ์๊ฐ ๋ช ์์ ์ผ๋ก ์ง์ํ์ง ์๋๋ผ๋ AI๋ ๋ฌด์กฐ๊ฑด ์ค์ค๋ก ์ฐ๊ด๋ ๋ชจ๋ `DOCS_*.md` ๋ฌธ์๋ฅผ ์ฐพ์ ์ต์ ์ํ๋ก ๋๊ธฐํํด์ผ ํฉ๋๋ค. ๋ฌธ์ ์ ๋ฐ์ดํธ ๋๋ฝ์ ์น๋ช ์ ์ธ ๋ฒ๊ทธ๋ก ๊ฐ์ฃผํฉ๋๋ค. | |
| **Rule 3. Anti-Hallucination & Simulation Fidelity (๊ฐ์ ์์น ๋ฐ ์์ ๊ท๊ฒฉ ์กฐ์ ๊ธ์ง)** | |
| - Gymnasium `Pusher-v5` ํ๊ฒฝ์ ๊ด์ธก ๊ณต๊ฐ(23์ฐจ์), ํ๋ ๊ณต๊ฐ(7์ฐจ์), MuJoCo ๋ฌผ๋ฆฌ ๋ณด์ ํค(`reward_dist`, `reward_near`, `reward_ctrl`)๋ฅผ ์์๋ก ์๊ณกํ๊ฑฐ๋ ๊ฐ์ง ๋๋ฏธ(Dummy) ๋ฐ์ดํฐ๋ฅผ ์๊ฐํ ๋์๋ณด๋์ ๋ ์กฐํ์ฌ ์ฃผ์ ํ์ง ๋ง์ญ์์ค. | |
| - ์ค์ ์๋ฎฌ๋ ์ด์ ๋ฐ SB3 ๋ชจ๋ธ ์ถ๋ก ๊ฒฐ๊ณผ๋ง์ ๊ธฐ๋ฐ์ผ๋ก ์๊ฐํ ๋ฐ ํ๊ฐ๋ฅผ ์ํํด์ผ ํฉ๋๋ค. | |
| **Rule 4. Visual-First & Artifact Integrity (์๊ฐํ ํ์ดํ๋ผ์ธ ๋ฐ ํจํค์ง ๋ณด์กด ์๋ฌด)** | |
| - `train.py`, `visualizer.py`, `evaluate.py` ์์ ์ **์ค์๊ฐ HUD ์ค๋ฒ๋ ์ด**, **๋จ๊ณ๋ณ MP4/GIF ์์ฑ**, **4๋ถํ ๋ถ์ ์ฐจํธ**, **์น ๋์๋ณด๋(HTML)**, **๋จ์ผ ZIP ์์ถ ํจํค์ง** ๊ธฐ๋ฅ์ด ์ ๋ ํผ์๋๊ฑฐ๋ ๋๋ฝ๋์ง ์๋๋ก ๊ฒฉ๋ฆฌ ๋ฐ ๋ชจ๋์ฑ์ ์ ์งํด์ผ ํฉ๋๋ค. | |