RL LAB
缩圈相扑
2v2 追逃
Paper.io
炸弹人
Neural MMO
POMMERMAN · SELF-PLAY
四人混战回放
训练进行中
对局回放
训练面板
✦
读取回放…
11 × 11 ARENA
回合
000
策略版本
最新策略
↻ 换一局
正在连接观战服务…
00:00
00:00
◂
▶
▸
0.5×
0.75×
1×
1.5×
2×
3×
4×
← → 逐帧 · 空格播放/暂停
Pommerman · 训练对局逐帧回放 · 方向键逐帧,空格播放/暂停
训练监控
训练更新与固定对手评测分开展示;固定评测每个对手 100 局。
等待训练日志…
最新 PPO 更新
—
训练日志
训练课程阶段
—
阶段变化时训练对手组成会变化
固定评测 · 对阵 SimpleAgent
—
等待评测
固定评测 · 自炸死亡率
—
对阵 SimpleAgent 的 100 局评测
固定评测胜率
每个对手 100 局 · 不同评测轮次
悬停查看评测轮次
训练局胜率
每次 PPO 更新内已结束的训练局;课程对手会变化
悬停查看更新及样本数
策略损失
PPO clipped policy loss / update
悬停查看更新值
价值损失
0.5 × squared value error / update
悬停查看更新值
策略熵
动作分布不确定度 / update
悬停查看更新值
训练局炸毁木箱
每局平均数;只统计已结束训练局
悬停查看更新值
训练局自炸死亡率
自炸死亡局数 ÷ 已结束训练局数
悬停查看更新值
动作分布
每次更新采样动作占比;放弹比例不等同于有效炸弹收益
悬停查看动作占比