ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

d4rl_adroit_relocate

  • รายละเอียด:

D4RL เป็นเกณฑ์มาตรฐานโอเพ่นซอร์สสำหรับการเรียนรู้การเสริมแรงแบบออฟไลน์ มีสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับการฝึกอบรมและอัลกอริทึมการเปรียบเทียบ

@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 (การกำหนดค่าเริ่มต้น)

  • ขนาดการดาวน์โหลด: 4.87 MiB

  • ขนาดชุด: 5.48 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'train' 60
  • คุณสมบัติ:
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,
    }),
})

d4rl_adroit_relocate/v0-โคลน

  • ขนาดการดาวน์โหลด: 647.11 MiB

  • ขนาดชุด: 550.50 MiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'train' 5,519
  • คุณสมบัติ:
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,
    }),
})

d4rl_adroit_relocate/v0-expert

  • ขนาดการดาวน์โหลด: 581.53 MiB

  • ขนาดชุด: 778.97 MiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'train' 5,000
  • คุณสมบัติ:
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,
    }),
})

d4rl_adroit_relocate/v1-human

  • ขนาดการดาวน์โหลด: 5.92 MiB

  • ขนาดชุด: 6.94 MiB

  • ออโต้แคช ( เอกสาร ): ใช่

  • แยก:

แยก ตัวอย่าง
'train' 25
  • คุณสมบัติ:
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,
    }),
})

d4rl_adroit_relocate/v1-โคลน

  • ขนาดการดาวน์โหลด: 554.39 MiB

  • ขนาดชุด: 1.86 GiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'train' 3,758
  • คุณสมบัติ:
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,
    }),
})

d4rl_adroit_relocate/v1-expert

  • ขนาดการดาวน์โหลด: 682.47 MiB

  • ขนาดชุด: 1012.49 MiB

  • ออโต้แคช ( เอกสาร ): ไม่มี

  • แยก:

แยก ตัวอย่าง
'train' 5,000
  • คุณสมบัติ:
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,
    }),
})