d4rl_adroit_pen

  • Описание :

D4RL — это тест с открытым исходным кодом для автономного обучения с подкреплением. Он предоставляет стандартизированные среды и наборы данных для алгоритмов обучения и сравнительного анализа.

Наборы данных соответствуют формату RLDS для представления шагов и эпизодов.

@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_pen/v0-human (конфигурация по умолчанию)

  • Описание конфигурации : см. более подробную информацию о задаче и ее версиях в https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit .

  • Размер загрузки : 1.94 MiB

  • Размер набора данных : 2.52 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 50
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (24,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/qpos Тензор (30,) поплавок32
шаги/информация/qvel Тензор (30,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (45,) поплавок32
шаги/награда Тензор поплавок32

d4rl_adroit_pen/v0-клон

  • Описание конфигурации : см. более подробную информацию о задаче и ее версиях в https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit .

  • Размер загрузки : 292.85 MiB

  • Размер набора данных : 252.55 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 5023
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), 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=(45,), dtype=float64),
        'reward': float64,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (24,) поплавок32
шаги/скидка Тензор поплавок64
шаги/информация ОсобенностиDict
шаги/информация/qpos Тензор (30,) поплавок64
шаги/информация/qvel Тензор (30,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (45,) поплавок64
шаги/награда Тензор поплавок64

d4rl_adroit_pen/v0-эксперт

  • Описание конфигурации : см. более подробную информацию о задаче и ее версиях в https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit .

  • Размер загрузки : 250.13 MiB

  • Размер набора данных : 344.41 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 5000
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(24,), dtype=float32),
            'action_mean': Tensor(shape=(24,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (24,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_logstd Тензор (24,) поплавок32
шаги/информация/action_mean Тензор (24,) поплавок32
шаги/информация/qpos Тензор (30,) поплавок32
шаги/информация/qvel Тензор (30,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (45,) поплавок32
шаги/награда Тензор поплавок32

d4rl_adroit_pen/v1-человек

  • Описание конфигурации : см. более подробную информацию о задаче и ее версиях в https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit .

  • Размер загрузки : 1.95 MiB

  • Размер набора данных : 2.60 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 25
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'desired_orien': Tensor(shape=(4,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (24,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/желаемый_ориентир Тензор (4,) поплавок32
шаги/информация/qpos Тензор (30,) поплавок32
шаги/информация/qvel Тензор (30,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (45,) поплавок32
шаги/награда Тензор поплавок32

d4rl_adroit_pen/v1-клон

  • Описание конфигурации : см. более подробную информацию о задаче и ее версиях в https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit .

  • Размер загрузки : 147.89 MiB

  • Размер набора данных : 1.43 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 3755
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(45, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(256, 24), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'desired_orien': Tensor(shape=(4,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) поплавок32
политика/fc0/вес Тензор (45, 256) поплавок32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (24,) поплавок32
политика/last_fc/вес Тензор (256, 24) поплавок32
политика/нелинейность Тензор нить
политика/output_distribution Тензор нить
шаги Набор данных
шаги/действие Тензор (24,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/желаемый_ориентир Тензор (4,) поплавок32
шаги/информация/qpos Тензор (30,) поплавок32
шаги/информация/qvel Тензор (30,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (45,) поплавок32
шаги/награда Тензор поплавок32

d4rl_adroit_pen/v1-эксперт

  • Размер загрузки : 249.90 MiB

  • Размер набора данных : 548.47 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 5000
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(64,), dtype=float32),
            'weight': Tensor(shape=(64, 45), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(64,), dtype=float32),
            'weight': Tensor(shape=(64, 64), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(24, 64), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(24, 64), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(24,), dtype=float32),
            'action_mean': Tensor(shape=(24,), dtype=float32),
            'desired_orien': Tensor(shape=(4,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (64,) поплавок32
политика/fc0/вес Тензор (64, 45) поплавок32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (64,) поплавок32
политика/fc1/вес Тензор (64, 64) поплавок32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (24,) поплавок32
политика/last_fc/вес Тензор (24, 64) поплавок32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (24,) поплавок32
политика/last_fc_log_std/вес Тензор (24, 64) поплавок32
политика/нелинейность Тензор нить
политика/output_distribution Тензор нить
шаги Набор данных
шаги/действие Тензор (24,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_std Тензор (24,) поплавок32
шаги/информация/action_mean Тензор (24,) поплавок32
шаги/информация/желаемый_ориентир Тензор (4,) поплавок32
шаги/информация/qpos Тензор (30,) поплавок32
шаги/информация/qvel Тензор (30,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (45,) поплавок32
шаги/награда Тензор поплавок32