- الوصف :
تم إنشاء مجموعات البيانات مع وكيل SAC مدرب على المكافأة البيئية لمهام حركة MuJoCo. تُستخدم مجموعات البيانات هذه في ما يهم لتعلم التقليد العدائي؟ أورسيني وآخرون. 2021 .
تتبع مجموعات البيانات تنسيق RLDS لتمثيل الخطوات والحلقات
الصفحة الرئيسية : https://github.com/google-research/rlds
كود المصدر :
tfds.rlds.locomotion.Locomotion
إصدارات :
-
1.0.0
(افتراضي): الإصدار الأولي.
-
المفاتيح الخاضعة للإشراف (انظر المستند
as_supervised
):None
الشكل ( tfds.show_examples ): غير مدعوم.
الاقتباس :
@article{orsini2021matters,
title={What Matters for Adversarial Imitation Learning?},
author={Orsini, Manu and Raichuk, Anton and Hussenot, L{'e}onard and Vincent, Damien and Dadashi, Robert and Girgin, Sertan and Geist, Matthieu and Bachem, Olivier and Pietquin, Olivier and Andrychowicz, Marcin},
journal={International Conference in Machine Learning},
year={2021}
}
locomotion / ant_sac_1M_single_policy_stochastic (التكوين الافتراضي)
وصف التكوين : مجموعة بيانات تم إنشاؤها بواسطة وكيل SAC تم تدريبه على مليون خطوة لـ Ant.
حجم التحميل :
6.49 MiB
حجم مجموعة البيانات :
23.02 MiB
التخزين المؤقت التلقائي ( الوثائق ): نعم
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'train' | 50 |
- هيكل الميزة :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(8,), dtype=float32),
'discount': float32,
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(111,), dtype=float32),
'reward': float32,
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
خطوات | مجموعة البيانات | |||
خطوات / عمل | موتر | (8 ،) | تعويم 32 | |
خطوات / خصم | موتر | تعويم 32 | ||
الخطوات / is_first | موتر | منطقي | ||
الخطوات / is_last | موتر | منطقي | ||
الخطوات / is_terminal | موتر | منطقي | ||
خطوات / ملاحظة | موتر | (111 ،) | تعويم 32 | |
خطوات / مكافأة | موتر | تعويم 32 |
- أمثلة ( tfds.as_dataframe ):
الحركة / hopper_sac_1M_single_policy_stochastic
وصف التكوين : مجموعة البيانات التي تم إنشاؤها بواسطة وكيل SAC تم تدريبه على مليون خطوة لـ Hopper.
حجم التحميل :
2.26 MiB
حجم مجموعة البيانات :
2.62 MiB
التخزين المؤقت التلقائي ( الوثائق ): نعم
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'train' | 50 |
- هيكل الميزة :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(3,), dtype=float32),
'discount': float32,
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(11,), dtype=float32),
'reward': float32,
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
خطوات | مجموعة البيانات | |||
خطوات / عمل | موتر | (3 ،) | تعويم 32 | |
خطوات / خصم | موتر | تعويم 32 | ||
الخطوات / is_first | موتر | منطقي | ||
الخطوات / is_last | موتر | منطقي | ||
الخطوات / is_terminal | موتر | منطقي | ||
خطوات / ملاحظة | موتر | (11 ،) | تعويم 32 | |
خطوات / مكافأة | موتر | تعويم 32 |
- أمثلة ( tfds.as_dataframe ):
الحركة / halfcheetah_sac_1M_single_policy_stochastic
وصف التكوين : مجموعة البيانات التي تم إنشاؤها بواسطة وكيل SAC تم تدريبه على مليون خطوة لـ HalfCheetah.
حجم التحميل :
4.49 MiB
حجم مجموعة البيانات :
4.93 MiB
التخزين المؤقت التلقائي ( الوثائق ): نعم
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'train' | 50 |
- هيكل الميزة :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(6,), dtype=float32),
'discount': float32,
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(17,), dtype=float32),
'reward': float32,
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
خطوات | مجموعة البيانات | |||
خطوات / عمل | موتر | (6 ،) | تعويم 32 | |
خطوات / خصم | موتر | تعويم 32 | ||
الخطوات / is_first | موتر | منطقي | ||
الخطوات / is_last | موتر | منطقي | ||
الخطوات / is_terminal | موتر | منطقي | ||
خطوات / ملاحظة | موتر | (17 ،) | تعويم 32 | |
خطوات / مكافأة | موتر | تعويم 32 |
- أمثلة ( tfds.as_dataframe ):
الحركة / المشاة 2d_sac_1M_single_policy_stochastic
وصف التكوين : مجموعة البيانات التي تم إنشاؤها بواسطة وكيل SAC تم تدريبه على مليون خطوة لـ Walker2d.
حجم التحميل :
4.35 MiB
حجم مجموعة البيانات :
4.91 MiB
التخزين المؤقت التلقائي ( الوثائق ): نعم
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'train' | 50 |
- هيكل الميزة :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(6,), dtype=float32),
'discount': float32,
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(17,), dtype=float32),
'reward': float32,
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
خطوات | مجموعة البيانات | |||
خطوات / عمل | موتر | (6 ،) | تعويم 32 | |
خطوات / خصم | موتر | تعويم 32 | ||
الخطوات / is_first | موتر | منطقي | ||
الخطوات / is_last | موتر | منطقي | ||
الخطوات / is_terminal | موتر | منطقي | ||
خطوات / ملاحظة | موتر | (17 ،) | تعويم 32 | |
خطوات / مكافأة | موتر | تعويم 32 |
- أمثلة ( tfds.as_dataframe ):
الحركة / humanoid_sac_15M_single_policy_stochastic
وصف التكوين : مجموعة البيانات التي تم إنشاؤها بواسطة وكيل SAC تم تدريبه على 15 مليون خطوة لـ Humanoid.
حجم التحميل :
192.78 MiB
حجم مجموعة البيانات :
300.94 MiB
التخزين المؤقت التلقائي ( التوثيق ): لا
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'train' | 200 |
- هيكل الميزة :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(17,), dtype=float32),
'discount': float32,
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(376,), dtype=float32),
'reward': float32,
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
خطوات | مجموعة البيانات | |||
خطوات / عمل | موتر | (17 ،) | تعويم 32 | |
خطوات / خصم | موتر | تعويم 32 | ||
الخطوات / is_first | موتر | منطقي | ||
الخطوات / is_last | موتر | منطقي | ||
الخطوات / is_terminal | موتر | منطقي | ||
خطوات / ملاحظة | موتر | (376 ،) | تعويم 32 | |
خطوات / مكافأة | موتر | تعويم 32 |
- أمثلة ( tfds.as_dataframe ):