PaulVialard/ppo-Huggy 是 Unity ML-Agents Huggy 环境上训练的 PPO 连续控制策略 (MLP 策略,0.6M 参数):输入环境观测(59 维),输出 21 维连续动作均值。 权重为 Unity ML-Agents checkpoint(13.5MB),本适配不安装 mlagents/gym 框架, 手动重建策略网络。
本项目完成其在**华为昇腾 NPU(Ascend 910B)**上的推理适配与验证。
| 项目 | 说明 |
|---|---|
| 模型架构 | MLAgentsContinuousPolicy(obs 59 → 3 层 MLP 512 → mu 21) |
| 参数量 | 0.6M |
| 输入 | 环境观测 [1, 59] |
| 输出 | 连续动作均值 [1, 21](确定性策略) |
| 权重格式 | Huggy/Huggy-1009955.pt(13.5MB,ML-Agents checkpoint) |
/usr/local/python3.11.14/bin/pip install numpy
# 无需 mlagents/gym(手动重建策略网络)cd /workspace/ppo-Huggy
/usr/local/python3.11.14/bin/python3 inference.py \
--checkpoint /workspace/ppo-Huggy_src/Huggy/Huggy-1009955.pt --device npu:0| 参数 | 说明 | 默认值 |
|---|---|---|
--checkpoint | ML-Agents 权重路径 | /workspace/ppo-Huggy_src/Huggy/Huggy-1009955.pt |
--device | 推理设备(npu:0 / cpu) | npu:0 |
--output | 输出动作 npy | stdout |
输入:59 维环境观测(确定性合成输入)
[info] model loaded: MLAgentsContinuousPolicy (0.6M)
[info] 输入: 观测 (1, 59) (59 维)
============================================================
[info] 动作均值形状: (1, 21) | finite=True
[info] 统计: min=... max=... mean=...
============================================================ppo-Huggy 在 NPU 上完成连续控制策略前向(输出 (1,21) 动作均值), NPU 前向链路完整跑通。
MLAgentsContinuousPolicy(fc1/fc2/fc3 59→512 + mu 512→21)。network_body._body_endoder.seq_layers.{0,2,4}
action_model._continuous_distribution.mu,8 键映射加载。resolve_device():NPU 可用性检测,失败自动回退 CPU。*.pt 已加入 .gitignore。.
├── README.md # 模型卡片(本文件)
├── inference.py # NPU 推理脚本
└── assets/ # 适配过程截图素材