d4rl_adroit_hammer

  • 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_hammer/v0-human (תצורת ברירת המחדל)

  • גודל הורדה : 5.33 MiB

  • גודל מערך נתונים : 6.10 MiB

  • שמור אוטומטי במטמון ( תיעוד ): כן

  • פיצולים :

לְפַצֵל דוגמאות
'train' 70
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (26,) לצוף32
צעדים/הנחה מוֹתֵחַ לצוף32
שלבים/מידע FeaturesDict
צעדים/מידע/qpos מוֹתֵחַ (33,) לצוף32
צעדים/מידע/qvel מוֹתֵחַ (33,) לצוף32
צעדים/הוא_ראשון מוֹתֵחַ bool
צעדים/הוא_אחרון מוֹתֵחַ bool
steps/is_terminal מוֹתֵחַ bool
צעדים/תצפית מוֹתֵחַ (46,) לצוף32
צעדים/פרס מוֹתֵחַ לצוף32

d4rl_adroit_hammer/v0-cloned

  • גודל הורדה : 644.69 MiB

  • גודל מערך נתונים : 538.97 MiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 5,594
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float64),
            'qvel': Tensor(shape=(33,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float64),
        'reward': float64,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (26,) לצוף32
צעדים/הנחה מוֹתֵחַ לצוף64
שלבים/מידע FeaturesDict
צעדים/מידע/qpos מוֹתֵחַ (33,) לצוף64
צעדים/מידע/qvel מוֹתֵחַ (33,) לצוף64
צעדים/הוא_ראשון מוֹתֵחַ bool
צעדים/הוא_אחרון מוֹתֵחַ bool
steps/is_terminal מוֹתֵחַ bool
צעדים/תצפית מוֹתֵחַ (46,) לצוף64
צעדים/פרס מוֹתֵחַ לצוף64

d4rl_adroit_hammer/v0-expert

  • גודל הורדה : 529.91 MiB

  • גודל ערכת נתונים : 737.00 MiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 5,000
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (26,) לצוף32
צעדים/הנחה מוֹתֵחַ לצוף32
שלבים/מידע FeaturesDict
steps/infos/action_logstd מוֹתֵחַ (26,) לצוף32
steps/infos/action_mean מוֹתֵחַ (26,) לצוף32
צעדים/מידע/qpos מוֹתֵחַ (33,) לצוף32
צעדים/מידע/qvel מוֹתֵחַ (33,) לצוף32
צעדים/הוא_ראשון מוֹתֵחַ bool
צעדים/הוא_אחרון מוֹתֵחַ bool
steps/is_terminal מוֹתֵחַ bool
צעדים/תצפית מוֹתֵחַ (46,) לצוף32
צעדים/פרס מוֹתֵחַ לצוף32

d4rl_adroit_hammer/v1-human

  • גודל הורדה : 5.35 MiB

  • גודל מערך נתונים : 6.34 MiB

  • שמור אוטומטי במטמון ( תיעוד ): כן

  • פיצולים :

לְפַצֵל דוגמאות
'train' 25
  • מבנה תכונה :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (26,) לצוף32
צעדים/הנחה מוֹתֵחַ לצוף32
שלבים/מידע FeaturesDict
steps/infos/board_pos מוֹתֵחַ (3,) לצוף32
צעדים/מידע/qpos מוֹתֵחַ (33,) לצוף32
צעדים/מידע/qvel מוֹתֵחַ (33,) לצוף32
steps/infos/target_pos מוֹתֵחַ (3,) לצוף32
צעדים/הוא_ראשון מוֹתֵחַ bool
צעדים/הוא_אחרון מוֹתֵחַ bool
steps/is_terminal מוֹתֵחַ bool
צעדים/תצפית מוֹתֵחַ (46,) לצוף32
צעדים/פרס מוֹתֵחַ לצוף32

d4rl_adroit_hammer/v1-cloned

  • גודל הורדה : 425.93 MiB

  • גודל מערך נתונים : 1.68 GiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 3,606
  • מבנה תכונה :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(46, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(256, 26), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
אַלגוֹרִיתְם מוֹתֵחַ חוּט
מְדִינִיוּת FeaturesDict
מדיניות/fc0 FeaturesDict
policy/fc0/bias מוֹתֵחַ (256,) לצוף32
policy/fc0/weight מוֹתֵחַ (46, 256) לצוף32
מדיניות/fc1 FeaturesDict
policy/fc1/bias מוֹתֵחַ (256,) לצוף32
policy/fc1/weight מוֹתֵחַ (256, 256) לצוף32
policy/last_fc FeaturesDict
policy/last_fc/bias מוֹתֵחַ (26,) לצוף32
policy/last_fc/weight מוֹתֵחַ (256, 26) לצוף32
מדיניות/אי-לינאריות מוֹתֵחַ חוּט
מדיניות/פלט_הפצה מוֹתֵחַ חוּט
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (26,) לצוף32
צעדים/הנחה מוֹתֵחַ לצוף32
שלבים/מידע FeaturesDict
steps/infos/board_pos מוֹתֵחַ (3,) לצוף32
צעדים/מידע/qpos מוֹתֵחַ (33,) לצוף32
צעדים/מידע/qvel מוֹתֵחַ (33,) לצוף32
steps/infos/target_pos מוֹתֵחַ (3,) לצוף32
צעדים/הוא_ראשון מוֹתֵחַ bool
צעדים/הוא_אחרון מוֹתֵחַ bool
steps/is_terminal מוֹתֵחַ bool
צעדים/תצפית מוֹתֵחַ (46,) לצוף32
צעדים/פרס מוֹתֵחַ לצוף32

d4rl_adroit_hammer/v1-expert

  • גודל הורדה : 531.24 MiB

  • גודל ערכת נתונים : 843.54 MiB

  • שמור אוטומטי במטמון ( תיעוד ): לא

  • פיצולים :

לְפַצֵל דוגמאות
'train' 5,000
  • מבנה תכונה :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 46), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 32), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
אַלגוֹרִיתְם מוֹתֵחַ חוּט
מְדִינִיוּת FeaturesDict
מדיניות/fc0 FeaturesDict
policy/fc0/bias מוֹתֵחַ (32,) לצוף32
policy/fc0/weight מוֹתֵחַ (32, 46) לצוף32
מדיניות/fc1 FeaturesDict
policy/fc1/bias מוֹתֵחַ (32,) לצוף32
policy/fc1/weight מוֹתֵחַ (32, 32) לצוף32
policy/last_fc FeaturesDict
policy/last_fc/bias מוֹתֵחַ (26,) לצוף32
policy/last_fc/weight מוֹתֵחַ (26, 32) לצוף32
policy/last_fc_log_std FeaturesDict
policy/last_fc_log_std/bias מוֹתֵחַ (26,) לצוף32
policy/last_fc_log_std/weight מוֹתֵחַ (26, 32) לצוף32
מדיניות/אי-לינאריות מוֹתֵחַ חוּט
מדיניות/הפצה_תפוקה מוֹתֵחַ חוּט
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (26,) לצוף32
צעדים/הנחה מוֹתֵחַ לצוף32
שלבים/מידע FeaturesDict
steps/infos/action_log_std מוֹתֵחַ (26,) לצוף32
steps/infos/action_mean מוֹתֵחַ (26,) לצוף32
steps/infos/board_pos מוֹתֵחַ (3,) לצוף32
צעדים/מידע/qpos מוֹתֵחַ (33,) לצוף32
צעדים/מידע/qvel מוֹתֵחַ (33,) לצוף32
steps/infos/target_pos מוֹתֵחַ (3,) לצוף32
צעדים/הוא_ראשון מוֹתֵחַ bool
צעדים/הוא_אחרון מוֹתֵחַ bool
steps/is_terminal מוֹתֵחַ bool
צעדים/תצפית מוֹתֵחַ (46,) לצוף32
צעדים/פרס מוֹתֵחַ לצוף32