d4rl_adroit_relocate

  • 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_relocate/v0-human (конфигурация по умолчанию)

  • Размер загрузки : 4.87 MiB

  • Размер набора данных : 5.48 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 60
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(36,), dtype=tf.float32),
            'qvel': Tensor(shape=(36,), 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,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (30,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/qpos Тензор (36,) tf.float32
шаги/информация/qvel Тензор (36,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (39,) tf.float32
шаги/награда Тензор tf.float32

d4rl_adroit_relocate/v0-клон

  • Размер загрузки : 647.11 MiB

  • Размер набора данных : 550.50 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 5519
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=tf.float32),
        'discount': tf.float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(36,), dtype=tf.float64),
            'qvel': Tensor(shape=(36,), 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,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (30,) tf.float32
шаги/скидка Тензор tf.float64
шаги/информация ОсобенностиDict
шаги/информация/qpos Тензор (36,) tf.float64
шаги/информация/qvel Тензор (36,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (39,) tf.float64
шаги/награда Тензор tf.float64

d4rl_adroit_relocate/v0-эксперт

  • Размер загрузки : 581.53 MiB

  • Размер набора данных : 778.97 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 5000
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(30,), dtype=tf.float32),
            'action_mean': Tensor(shape=(30,), dtype=tf.float32),
            'qpos': Tensor(shape=(36,), dtype=tf.float32),
            'qvel': Tensor(shape=(36,), 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,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (30,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_logstd Тензор (30,) tf.float32
шаги/информация/action_mean Тензор (30,) tf.float32
шаги/информация/qpos Тензор (36,) tf.float32
шаги/информация/qvel Тензор (36,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (39,) tf.float32
шаги/награда Тензор tf.float32

d4rl_adroit_relocate/v1-человек

  • Размер загрузки : 5.92 MiB

  • Размер набора данных : 6.94 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 25
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'hand_qpos': Tensor(shape=(30,), dtype=tf.float32),
            'obj_pos': Tensor(shape=(3,), dtype=tf.float32),
            'palm_pos': Tensor(shape=(3,), dtype=tf.float32),
            'qpos': Tensor(shape=(36,), dtype=tf.float32),
            'qvel': Tensor(shape=(36,), dtype=tf.float32),
            'target_pos': Tensor(shape=(3,), 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,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (30,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/hand_qpos Тензор (30,) tf.float32
шаги/информация/obj_pos Тензор (3,) tf.float32
шаги/информация/palm_pos Тензор (3,) tf.float32
шаги/информация/qpos Тензор (36,) tf.float32
шаги/информация/qvel Тензор (36,) tf.float32
шаги/информация/target_pos Тензор (3,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (39,) tf.float32
шаги/награда Тензор tf.float32

d4rl_adroit_relocate/v1-клон

  • Размер загрузки : 554.39 MiB

  • Размер набора данных : 1.86 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 3758
  • Структура функции :
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=(30,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 30), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'hand_qpos': Tensor(shape=(30,), dtype=tf.float32),
            'obj_pos': Tensor(shape=(3,), dtype=tf.float32),
            'palm_pos': Tensor(shape=(3,), dtype=tf.float32),
            'qpos': Tensor(shape=(36,), dtype=tf.float32),
            'qvel': Tensor(shape=(36,), dtype=tf.float32),
            'target_pos': Tensor(shape=(3,), 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,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) tf.float32
политика/fc0/вес Тензор (39, 256) tf.float32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (256,) tf.float32
политика/fc1/вес Тензор (256, 256) tf.float32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (30,) tf.float32
политика/last_fc/вес Тензор (256, 30) tf.float32
политика/нелинейность Тензор tf.string
политика/output_distribution Тензор tf.string
шаги Набор данных
шаги/действие Тензор (30,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/hand_qpos Тензор (30,) tf.float32
шаги/информация/obj_pos Тензор (3,) tf.float32
шаги/информация/palm_pos Тензор (3,) tf.float32
шаги/информация/qpos Тензор (36,) tf.float32
шаги/информация/qvel Тензор (36,) tf.float32
шаги/информация/target_pos Тензор (3,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (39,) tf.float32
шаги/награда Тензор tf.float32

d4rl_adroit_relocate/v1-эксперт

  • Размер загрузки : 682.47 MiB

  • Размер набора данных : 1012.49 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 5000
  • Структура функции :
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=(30,), dtype=tf.float32),
            'weight': Tensor(shape=(30, 32), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(30,), dtype=tf.float32),
            'weight': Tensor(shape=(30, 32), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(30,), dtype=tf.float32),
            'action_mean': Tensor(shape=(30,), dtype=tf.float32),
            'hand_qpos': Tensor(shape=(30,), dtype=tf.float32),
            'obj_pos': Tensor(shape=(3,), dtype=tf.float32),
            'palm_pos': Tensor(shape=(3,), dtype=tf.float32),
            'qpos': Tensor(shape=(36,), dtype=tf.float32),
            'qvel': Tensor(shape=(36,), dtype=tf.float32),
            'target_pos': Tensor(shape=(3,), 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,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (32,) tf.float32
политика/fc0/вес Тензор (32, 39) tf.float32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (32,) tf.float32
политика/fc1/вес Тензор (32, 32) tf.float32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (30,) tf.float32
политика/last_fc/вес Тензор (30, 32) tf.float32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (30,) tf.float32
политика/last_fc_log_std/вес Тензор (30, 32) tf.float32
политика/нелинейность Тензор tf.string
политика/output_distribution Тензор tf.string
шаги Набор данных
шаги/действие Тензор (30,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_std Тензор (30,) tf.float32
шаги/информация/action_mean Тензор (30,) tf.float32
шаги/информация/hand_qpos Тензор (30,) tf.float32
шаги/информация/obj_pos Тензор (3,) tf.float32
шаги/информация/palm_pos Тензор (3,) tf.float32
шаги/информация/qpos Тензор (36,) tf.float32
шаги/информация/qvel Тензор (36,) tf.float32
шаги/информация/target_pos Тензор (3,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (39,) tf.float32
шаги/награда Тензор tf.float32