d4rl_adroit_door

  • विवरण :

D4RL ऑफ़लाइन रीइन्फोर्समेंट लर्निंग के लिए एक ओपन-सोर्स बेंचमार्क है। यह प्रशिक्षण और बेंचमार्किंग एल्गोरिदम के लिए मानकीकृत वातावरण और डेटासेट प्रदान करता है।

डेटासेट चरण और एपिसोड का प्रतिनिधित्व करने के लिए आरएलडीएस प्रारूप का पालन करते हैं।

@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-मानव (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • डाउनलोड आकार : 2.97 MiB

  • डेटासेट का आकार : 3.36 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'train' 50
  • फ़ीचर संरचना :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
कदम डेटासेट
कदम / कार्रवाई टेन्सर (28,) फ्लोट32
चरण/छूट टेन्सर फ्लोट32
कदम/जानकारी विशेषताएं डिक्ट
चरण/जानकारी/qpos टेन्सर (30,) फ्लोट32
कदम/जानकारी/qvel टेन्सर (30,) फ्लोट32
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन टेन्सर (39,) फ्लोट32
कदम / इनाम टेन्सर फ्लोट32

d4rl_adroit_door/v0-cloned

  • डाउनलोड आकार : 602.42 MiB

  • डेटासेट का आकार : 497.47 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 6,214
  • फ़ीचर संरचना :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=float64),
            'qvel': Tensor(shape=(30,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float64),
        'reward': float64,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
कदम डेटासेट
कदम / कार्रवाई टेन्सर (28,) फ्लोट32
चरण/छूट टेन्सर फ्लोट64
कदम/जानकारी विशेषताएं डिक्ट
चरण/जानकारी/qpos टेन्सर (30,) फ्लोट64
कदम/जानकारी/qvel टेन्सर (30,) फ्लोट64
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन टेन्सर (39,) फ्लोट64
कदम / इनाम टेन्सर फ्लोट64

d4rl_adroit_door/v0-expert

  • डाउनलोड आकार : 511.05 MiB

  • डेटासेट का आकार : 710.30 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 5,000
  • फ़ीचर संरचना :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(28,), dtype=float32),
            'action_mean': Tensor(shape=(28,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
कदम डेटासेट
कदम / कार्रवाई टेन्सर (28,) फ्लोट32
चरण/छूट टेन्सर फ्लोट32
कदम/जानकारी विशेषताएं डिक्ट
कदम/जानकारी/action_logstd टेन्सर (28,) फ्लोट32
कदम/जानकारी/action_mean टेन्सर (28,) फ्लोट32
चरण/जानकारी/qpos टेन्सर (30,) फ्लोट32
कदम/जानकारी/qvel टेन्सर (30,) फ्लोट32
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन टेन्सर (39,) फ्लोट32
कदम / इनाम टेन्सर फ्लोट32

d4rl_adroit_door/v1-human

  • डाउनलोड आकार : 2.98 MiB

  • डेटासेट का आकार : 3.42 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

  • विभाजन :

विभाजित करना उदाहरण
'train' 25
  • फ़ीचर संरचना :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
कदम डेटासेट
कदम / कार्रवाई टेन्सर (28,) फ्लोट32
चरण/छूट टेन्सर फ्लोट32
कदम/जानकारी विशेषताएं डिक्ट
कदम/जानकारी/door_body_pos टेन्सर (3,) फ्लोट32
चरण/जानकारी/qpos टेन्सर (30,) फ्लोट32
कदम/जानकारी/qvel टेन्सर (30,) फ्लोट32
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन टेन्सर (39,) फ्लोट32
कदम / इनाम टेन्सर फ्लोट32

d4rl_adroit_door/v1-cloned

  • डाउनलोड आकार : 280.72 MiB

  • डेटासेट का आकार : 1.85 GiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 4,358
  • फ़ीचर संरचना :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(39, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=float32),
            'weight': Tensor(shape=(256, 28), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
कलन विधि टेन्सर डोरी
नीति विशेषताएं डिक्ट
नीति/fc0 विशेषताएं डिक्ट
नीति/fc0/पूर्वाग्रह टेन्सर (256,) फ्लोट32
नीति/fc0/वजन टेन्सर (39, 256) फ्लोट32
नीति/fc1 विशेषताएं डिक्ट
नीति/fc1/पूर्वाग्रह टेन्सर (256,) फ्लोट32
नीति/fc1/वजन टेन्सर (256, 256) फ्लोट32
पॉलिसी/last_fc विशेषताएं डिक्ट
नीति/last_fc/पूर्वाग्रह टेन्सर (28,) फ्लोट32
पॉलिसी/last_fc/वजन टेन्सर (256, 28) फ्लोट32
नीति/अरैखिकता टेन्सर डोरी
पॉलिसी/आउटपुट_डिस्ट्रीब्यूशन टेन्सर डोरी
कदम डेटासेट
कदम / कार्रवाई टेन्सर (28,) फ्लोट32
चरण/छूट टेन्सर फ्लोट32
कदम/जानकारी विशेषताएं डिक्ट
कदम/जानकारी/door_body_pos टेन्सर (3,) फ्लोट32
चरण/जानकारी/qpos टेन्सर (30,) फ्लोट32
कदम/जानकारी/qvel टेन्सर (30,) फ्लोट32
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन टेन्सर (39,) फ्लोट32
कदम / इनाम टेन्सर फ्लोट32

d4rl_adroit_door/v1-expert

  • डाउनलोड आकार : 511.22 MiB

  • डेटासेट का आकार : 803.48 MiB

  • ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

  • विभाजन :

विभाजित करना उदाहरण
'train' 5,000
  • फ़ीचर संरचना :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 39), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 32), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=float32),
            'weight': Tensor(shape=(28, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=float32),
            'weight': Tensor(shape=(28, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(28,), dtype=float32),
            'action_mean': Tensor(shape=(28,), dtype=float32),
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीटाइप विवरण
विशेषताएं डिक्ट
कलन विधि टेन्सर डोरी
नीति विशेषताएं डिक्ट
नीति/fc0 विशेषताएं डिक्ट
नीति/fc0/पूर्वाग्रह टेन्सर (32,) फ्लोट32
नीति/fc0/वजन टेन्सर (32, 39) फ्लोट32
नीति/fc1 विशेषताएं डिक्ट
नीति/fc1/पूर्वाग्रह टेन्सर (32,) फ्लोट32
नीति/fc1/वजन टेन्सर (32, 32) फ्लोट32
पॉलिसी/last_fc विशेषताएं डिक्ट
नीति/last_fc/पूर्वाग्रह टेन्सर (28,) फ्लोट32
पॉलिसी/last_fc/वजन टेन्सर (28, 32) फ्लोट32
नीति/last_fc_log_std विशेषताएं डिक्ट
नीति/last_fc_log_std/पूर्वाग्रह टेन्सर (28,) फ्लोट32
पॉलिसी/last_fc_log_std/वजन टेन्सर (28, 32) फ्लोट32
नीति/अरैखिकता टेन्सर डोरी
पॉलिसी/आउटपुट_डिस्ट्रीब्यूशन टेन्सर डोरी
कदम डेटासेट
कदम / कार्रवाई टेन्सर (28,) फ्लोट32
चरण/छूट टेन्सर फ्लोट32
कदम/जानकारी विशेषताएं डिक्ट
कदम/जानकारी/action_log_std टेन्सर (28,) फ्लोट32
कदम/जानकारी/action_mean टेन्सर (28,) फ्लोट32
कदम/जानकारी/door_body_pos टेन्सर (3,) फ्लोट32
चरण/जानकारी/qpos टेन्सर (30,) फ्लोट32
कदम/जानकारी/qvel टेन्सर (30,) फ्लोट32
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन टेन्सर (39,) फ्लोट32
कदम / इनाम टेन्सर फ्लोट32