Drone Rescue: modelo oficial de N1

Pol铆tica PPO que pilota un dron de rescate: despega con un suministro, rodea las columnas, lo entrega despacio en la zona marcada y vuelve a la base sin agotar la bater铆a. Proyecto final de MLOps de la Universidad Externado de Colombia; c贸digo, ambiente y pipeline en https://github.com/Mari4Z/drone_rescue.

Es el modelo que el pipeline de Airflow public贸 para N1 (versi贸n de publicaci贸n v0004), elegido con criterios fijados antes de ver resultados.

El archivo del modelo

model.zip es el formato nativo de Stable-Baselines3 (un ZIP con policy.pth, los pesos de PyTorch, el optimizador y los hiperpar谩metros). Se carga con PPO.load; no hace falta descomprimirlo.

Campo Valor
Algoritmo PPO (Stable-Baselines3 2.9.2, PyTorch)
Familia del ambiente drone-rescue-v3 (versi贸n del ambiente 2.0.0, estabilizador 1.0.0)
Experimento ppo-v3c-n1, semilla 11, 9 011 200 pasos acumulados (incluye los del run padre)
Origen continuaci贸n del run 9a188153b37a4b62940445045e0a9914
Run en MLflow cef121d1526e4942b914eb07114a9450 (DagsHub)
Commit 02bfcda
SHA-256 de model.zip bdf35f2e0324f0a02a686a35d7953151071e611f9059cde8f6a0d964e9acd5c9

Resultados en la suite p煤blica

Suite drone-rescue-public-validation v1.0.0, 10 episodios por nivel. N1 no tiene viento: sus 10 semillas repiten el mismo vuelo.

Nivel 脡xito Pasos medios Causas
N1 100% 199 success: 10
N2 0% 38 collision: 10
N3 0% 40 collision: 10

El modelo es para N1: no resuelve N2 (m谩s columnas y menos bater铆a) ni N3 (con viento).

C贸mo usarlo

El modelo espera la observaci贸n del ambiente de Drone Rescue ya escalada, as铆 que se usa con el ambiente del repositorio de GitHub:

git clone https://github.com/Mari4Z/drone_rescue && cd drone_rescue
python -m venv .venv && .venv/bin/pip install -r requirements.txt
from huggingface_hub import hf_hub_download
from stable_baselines3 import PPO
from agents.ppo import make_env

ruta = hf_hub_download("Mari4Z/drone-rescue", "model.zip", revision="modelos-20261111b")
modelo = PPO.load(ruta, device="cpu")

env = make_env("configs/levels/n1_mision_base.yaml", "drone-rescue-v3")
observacion, info = env.reset(seed=101)
terminado = truncado = False
while not (terminado or truncado):
    accion, _ = modelo.predict(observacion, deterministic=True)
    observacion, recompensa, terminado, truncado, info = env.step(int(accion))
print(info["cause"])  # success

Con revision="modelos-20261111b" se descarga siempre esta versi贸n; sin ella, la 煤ltima publicada.

Entrada: 26 valores, calculados por make_features a partir de los 19 de la observaci贸n:

脥ndices Origen Escala
0:3 vector al objetivo (m) /100
3:6 vector al objetivo (m) /10, clip [-1, 1]
6:9 velocidad (m/s) /5
9:12 velocidad (m/s) clip [-1, 1]
12 altura (m) /60
13 altura (m) /5, min 1
14:20 sensores (m) /20
20:26 bater铆a, carga y etapa sin cambio

Salida: una acci贸n discreta de 11, en velocidad objetivo (m/s), con estabilizador: 0 +x r谩pido, 1 -x r谩pido, 2 +y r谩pido, 3 -y r谩pido, 4 +x lento, 5 -x lento, 6 +y lento, 7 -y lento, 8 subir, 9 bajar, 10 sostener.

Trazabilidad

El manifiesto de este modelo (commit, configuraci贸n, semilla, suite, origen y hashes) est谩 en manifests/cef121d1526e4942b914eb07114a9450.json. La configuraci贸n, el contrato de entrada y salida y la evaluaci贸n por episodio est谩n versionados con DVC en artifacts/models/cef121d1526e4942b914eb07114a9450/.

Downloads last month
492
Video Preview
loading