d4rl_adroit_door

  • תיאור :

D4RL הוא אמת מידה בקוד פתוח ללמידת חיזוק לא מקוון. הוא מספק סביבות סטנדרטיות ומערכי נתונים עבור אלגוריתמי הדרכה ומידוד.

מערכי הנתונים פועלים לפי פורמט RLDS כדי לייצג שלבים ופרקים.

@misc{fu2020d4rl,
    title={D4RL: Datasets for Deep Data-Driven Reinforcement Learning},
    author={Justin Fu and Aviral Kumar and Ofir Nachum and George Tucker and Sergey Levine},
    year={2020},
    eprint={2004.07219},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

d4rl_adroit_door/v0-human (תצורת ברירת המחדל)

  • גודל הורדה : 2.97 MiB

  • גודל מערך נתונים : 3.36 MiB

  • שמור אוטומטי במטמון ( תיעוד ): כן

  • פיצולים :

לְפַצֵל דוגמאות
'train' 50
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=tf.float32),
            'qvel': Tensor(shape=(30,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(39,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (28,) tf.float32
צעדים/הנחה מוֹתֵחַ tf.float32
שלבים/מידע FeaturesDict
צעדים/מידע/qpos מוֹתֵחַ (30,) tf.float32
צעדים/מידע/qvel מוֹתֵחַ (30,) tf.float32
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית מוֹתֵחַ (39,) tf.float32
צעדים/פרס מוֹתֵחַ tf.float32

d4rl_adroit_door/v0-cloned

  • גודל הורדה : 602.42 MiB

  • גודל ערכת נתונים: 497.47 MiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 6,214
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=tf.float32),
        'discount': tf.float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=tf.float64),
            'qvel': Tensor(shape=(30,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(39,), dtype=tf.float64),
        'reward': tf.float64,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (28,) tf.float32
צעדים/הנחה מוֹתֵחַ tf.float64
שלבים/מידע FeaturesDict
צעדים/מידע/qpos מוֹתֵחַ (30,) tf.float64
צעדים/מידע/qvel מוֹתֵחַ (30,) tf.float64
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית מוֹתֵחַ (39,) tf.float64
צעדים/פרס מוֹתֵחַ tf.float64

d4rl_adroit_door/v0-expert

  • גודל הורדה : 511.05 MiB

  • גודל ערכת נתונים: 710.30 MiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 5,000
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(28,), dtype=tf.float32),
            'action_mean': Tensor(shape=(28,), dtype=tf.float32),
            'qpos': Tensor(shape=(30,), dtype=tf.float32),
            'qvel': Tensor(shape=(30,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(39,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (28,) tf.float32
צעדים/הנחה מוֹתֵחַ tf.float32
שלבים/מידע FeaturesDict
steps/infos/action_logstd מוֹתֵחַ (28,) tf.float32
steps/infos/action_mean מוֹתֵחַ (28,) tf.float32
צעדים/מידע/qpos מוֹתֵחַ (30,) tf.float32
צעדים/מידע/qvel מוֹתֵחַ (30,) tf.float32
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית מוֹתֵחַ (39,) tf.float32
צעדים/פרס מוֹתֵחַ tf.float32

d4rl_adroit_door/v1-human

  • גודל הורדה : 2.98 MiB

  • גודל מערך נתונים : 3.42 MiB

  • שמור אוטומטי במטמון ( תיעוד ): כן

  • פיצולים :

לְפַצֵל דוגמאות
'train' 25
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=tf.float32),
            'qpos': Tensor(shape=(30,), dtype=tf.float32),
            'qvel': Tensor(shape=(30,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(39,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (28,) tf.float32
צעדים/הנחה מוֹתֵחַ tf.float32
שלבים/מידע FeaturesDict
steps/infos/door_body_pos מוֹתֵחַ (3,) tf.float32
צעדים/מידע/qpos מוֹתֵחַ (30,) tf.float32
צעדים/מידע/qvel מוֹתֵחַ (30,) tf.float32
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית מוֹתֵחַ (39,) tf.float32
צעדים/פרס מוֹתֵחַ tf.float32

d4rl_adroit_door/v1-cloned

  • גודל הורדה : 280.72 MiB

  • גודל מערך נתונים : 1.85 GiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 4,358
  • מבנה תכונה :
FeaturesDict({
    'algorithm': tf.string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(39, 256), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 28), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=tf.float32),
            'qpos': Tensor(shape=(30,), dtype=tf.float32),
            'qvel': Tensor(shape=(30,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(39,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
אַלגוֹרִיתְם מוֹתֵחַ tf.string
מְדִינִיוּת FeaturesDict
מדיניות/fc0 FeaturesDict
policy/fc0/bias מוֹתֵחַ (256,) tf.float32
policy/fc0/weight מוֹתֵחַ (39, 256) tf.float32
מדיניות/fc1 FeaturesDict
policy/fc1/bias מוֹתֵחַ (256,) tf.float32
policy/fc1/weight מוֹתֵחַ (256, 256) tf.float32
policy/last_fc FeaturesDict
policy/last_fc/bias מוֹתֵחַ (28,) tf.float32
policy/last_fc/weight מוֹתֵחַ (256, 28) tf.float32
מדיניות/אי-לינאריות מוֹתֵחַ tf.string
מדיניות/הפצה_תפוקה מוֹתֵחַ tf.string
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (28,) tf.float32
צעדים/הנחה מוֹתֵחַ tf.float32
שלבים/מידע FeaturesDict
steps/infos/door_body_pos מוֹתֵחַ (3,) tf.float32
צעדים/מידע/qpos מוֹתֵחַ (30,) tf.float32
צעדים/מידע/qvel מוֹתֵחַ (30,) tf.float32
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית מוֹתֵחַ (39,) tf.float32
צעדים/פרס מוֹתֵחַ tf.float32

d4rl_adroit_door/v1-expert

  • גודל הורדה : 511.22 MiB

  • גודל ערכת נתונים: 803.48 MiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 5,000
  • מבנה תכונה :
FeaturesDict({
    'algorithm': tf.string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=tf.float32),
            'weight': Tensor(shape=(32, 39), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=tf.float32),
            'weight': Tensor(shape=(32, 32), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=tf.float32),
            'weight': Tensor(shape=(28, 32), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=tf.float32),
            'weight': Tensor(shape=(28, 32), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(28,), dtype=tf.float32),
            'action_mean': Tensor(shape=(28,), dtype=tf.float32),
            'door_body_pos': Tensor(shape=(3,), dtype=tf.float32),
            'qpos': Tensor(shape=(30,), dtype=tf.float32),
            'qvel': Tensor(shape=(30,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(39,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
אַלגוֹרִיתְם מוֹתֵחַ tf.string
מְדִינִיוּת FeaturesDict
מדיניות/fc0 FeaturesDict
policy/fc0/bias מוֹתֵחַ (32,) tf.float32
policy/fc0/weight מוֹתֵחַ (32, 39) tf.float32
מדיניות/fc1 FeaturesDict
policy/fc1/bias מוֹתֵחַ (32,) tf.float32
policy/fc1/weight מוֹתֵחַ (32, 32) tf.float32
policy/last_fc FeaturesDict
policy/last_fc/bias מוֹתֵחַ (28,) tf.float32
policy/last_fc/weight מוֹתֵחַ (28, 32) tf.float32
policy/last_fc_log_std FeaturesDict
policy/last_fc_log_std/bias מוֹתֵחַ (28,) tf.float32
policy/last_fc_log_std/weight מוֹתֵחַ (28, 32) tf.float32
מדיניות/אי-לינאריות מוֹתֵחַ tf.string
מדיניות/הפצה_תפוקה מוֹתֵחַ tf.string
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (28,) tf.float32
צעדים/הנחה מוֹתֵחַ tf.float32
שלבים/מידע FeaturesDict
steps/infos/action_log_std מוֹתֵחַ (28,) tf.float32
steps/infos/action_mean מוֹתֵחַ (28,) tf.float32
steps/infos/door_body_pos מוֹתֵחַ (3,) tf.float32
צעדים/מידע/qpos מוֹתֵחַ (30,) tf.float32
צעדים/מידע/qvel מוֹתֵחַ (30,) tf.float32
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית מוֹתֵחַ (39,) tf.float32
צעדים/פרס מוֹתֵחַ tf.float32