- opis :
D4RL to test porównawczy typu open source do uczenia się ze wzmacnianiem w trybie offline. Zapewnia znormalizowane środowiska i zestawy danych do trenowania i testowania algorytmów.
Zestawy danych są zgodne z formatem RLDS, aby reprezentować kroki i epizody.
Opis konfiguracji : Zobacz więcej szczegółów na temat zadania i jego wersji w https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
Strona główna : https://sites.google.com/view/d4rl/home
Kod źródłowy :
tfds.d4rl.d4rl_adroit_relocate.D4rlAdroitRelocate
Wersje :
-
1.0.0
: Pierwsza wersja. -
1.1.0
(domyślnie): Dodano is_last.
-
Klucze nadzorowane (Zobacz dokument
as_supervised
):None
Rysunek ( tfds.show_examples ): Nieobsługiwany.
Cytat :
@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_relocate/v0-human (domyślna konfiguracja)
Rozmiar pliku do pobrania :
4.87 MiB
Rozmiar zestawu danych :
5.48 MiB
Automatyczne buforowanie ( dokumentacja ): Tak
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 60 |
- Struktura funkcji :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(30,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'qpos': Tensor(shape=(36,), dtype=float32),
'qvel': Tensor(shape=(36,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (30,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/qpos | Napinacz | (36,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (36,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (39,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_adroit_relocate/v0-klonowane
Rozmiar pliku do pobrania :
647.11 MiB
Rozmiar zestawu danych :
550.50 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 5519 |
- Struktura funkcji :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(30,), dtype=float32),
'discount': float64,
'infos': FeaturesDict({
'qpos': Tensor(shape=(36,), dtype=float64),
'qvel': Tensor(shape=(36,), dtype=float64),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float64),
'reward': float64,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (30,) | pływak32 | |
kroki/rabat | Napinacz | pływak64 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/qpos | Napinacz | (36,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (36,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (39,) | pływak64 | |
kroki/nagroda | Napinacz | pływak64 |
- Przykłady ( tfds.as_dataframe ):
d4rl_adroit_relocate/v0-expert
Rozmiar pliku do pobrania :
581.53 MiB
Rozmiar zbioru danych :
778.97 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 5000 |
- Struktura funkcji :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(30,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'action_logstd': Tensor(shape=(30,), dtype=float32),
'action_mean': Tensor(shape=(30,), dtype=float32),
'qpos': Tensor(shape=(36,), dtype=float32),
'qvel': Tensor(shape=(36,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (30,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_logstd | Napinacz | (30,) | pływak32 | |
kroki/informacje/środek_działania | Napinacz | (30,) | pływak32 | |
kroki/informacje/qpos | Napinacz | (36,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (36,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (39,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_adroit_relocate/v1-człowiek
Rozmiar pliku do pobrania :
5.92 MiB
Rozmiar zestawu danych :
6.94 MiB
Automatyczne buforowanie ( dokumentacja ): Tak
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 25 |
- Struktura funkcji :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(30,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'hand_qpos': Tensor(shape=(30,), dtype=float32),
'obj_pos': Tensor(shape=(3,), dtype=float32),
'palm_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(36,), dtype=float32),
'qvel': Tensor(shape=(36,), dtype=float32),
'target_pos': Tensor(shape=(3,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (30,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/hand_qpos | Napinacz | (30,) | pływak32 | |
kroki/informacje/obiekt_poz | Napinacz | (3,) | pływak32 | |
kroki/informacje/palm_pos | Napinacz | (3,) | pływak32 | |
kroki/informacje/qpos | Napinacz | (36,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (36,) | pływak32 | |
kroki/informacje/pozycja_docelowa | Napinacz | (3,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (39,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_adroit_relocate/v1-cloned
Rozmiar pliku do pobrania :
554.39 MiB
Rozmiar zestawu danych :
1.86 GiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 3758 |
- Struktura funkcji :
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=(30,), dtype=float32),
'weight': Tensor(shape=(256, 30), dtype=float32),
}),
'nonlinearity': string,
'output_distribution': string,
}),
'steps': Dataset({
'action': Tensor(shape=(30,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'hand_qpos': Tensor(shape=(30,), dtype=float32),
'obj_pos': Tensor(shape=(3,), dtype=float32),
'palm_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(36,), dtype=float32),
'qvel': Tensor(shape=(36,), dtype=float32),
'target_pos': Tensor(shape=(3,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
polityka | FunkcjeDict | |||
polityka/fc0 | FunkcjeDict | |||
polityka/fc0/bias | Napinacz | (256,) | pływak32 | |
polityka/fc0/waga | Napinacz | (39, 256) | pływak32 | |
polityka/fc1 | FunkcjeDict | |||
polityka/fc1/bias | Napinacz | (256,) | pływak32 | |
polityka/fc1/waga | Napinacz | (256, 256) | pływak32 | |
polityka/last_fc | FunkcjeDict | |||
polityka/last_fc/bias | Napinacz | (30,) | pływak32 | |
polityka/last_fc/waga | Napinacz | (256, 30) | pływak32 | |
polityka/nieliniowość | Napinacz | strunowy | ||
polityka/dystrybucja_wyjściowa | Napinacz | strunowy | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (30,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/hand_qpos | Napinacz | (30,) | pływak32 | |
kroki/informacje/obiekt_poz | Napinacz | (3,) | pływak32 | |
kroki/informacje/palm_pos | Napinacz | (3,) | pływak32 | |
kroki/informacje/qpos | Napinacz | (36,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (36,) | pływak32 | |
kroki/informacje/pozycja_docelowa | Napinacz | (3,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (39,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_adroit_relocate/v1-expert
Rozmiar pliku do pobrania :
682.47 MiB
Rozmiar zestawu danych :
1012.49 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 5000 |
- Struktura funkcji :
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=(30,), dtype=float32),
'weight': Tensor(shape=(30, 32), dtype=float32),
}),
'last_fc_log_std': FeaturesDict({
'bias': Tensor(shape=(30,), dtype=float32),
'weight': Tensor(shape=(30, 32), dtype=float32),
}),
'nonlinearity': string,
'output_distribution': string,
}),
'steps': Dataset({
'action': Tensor(shape=(30,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'action_log_std': Tensor(shape=(30,), dtype=float32),
'action_mean': Tensor(shape=(30,), dtype=float32),
'hand_qpos': Tensor(shape=(30,), dtype=float32),
'obj_pos': Tensor(shape=(3,), dtype=float32),
'palm_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(36,), dtype=float32),
'qvel': Tensor(shape=(36,), dtype=float32),
'target_pos': Tensor(shape=(3,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
polityka | FunkcjeDict | |||
polityka/fc0 | FunkcjeDict | |||
polityka/fc0/bias | Napinacz | (32,) | pływak32 | |
polityka/fc0/waga | Napinacz | (32, 39) | pływak32 | |
polityka/fc1 | FunkcjeDict | |||
polityka/fc1/bias | Napinacz | (32,) | pływak32 | |
polityka/fc1/waga | Napinacz | (32, 32) | pływak32 | |
polityka/last_fc | FunkcjeDict | |||
polityka/last_fc/bias | Napinacz | (30,) | pływak32 | |
polityka/last_fc/waga | Napinacz | (30, 32) | pływak32 | |
polityka/last_fc_log_std | FunkcjeDict | |||
polityka/last_fc_log_std/bias | Napinacz | (30,) | pływak32 | |
polityka/last_fc_log_std/waga | Napinacz | (30, 32) | pływak32 | |
polityka/nieliniowość | Napinacz | strunowy | ||
polityka/dystrybucja_wyjściowa | Napinacz | strunowy | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (30,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_std | Napinacz | (30,) | pływak32 | |
kroki/informacje/środek_działania | Napinacz | (30,) | pływak32 | |
kroki/informacje/hand_qpos | Napinacz | (30,) | pływak32 | |
kroki/informacje/obiekt_poz | Napinacz | (3,) | pływak32 | |
kroki/informacje/palm_pos | Napinacz | (3,) | pływak32 | |
kroki/informacje/qpos | Napinacz | (36,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (36,) | pływak32 | |
kroki/informacje/pozycja_docelowa | Napinacz | (3,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (39,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):