- Açıklama :
RL Unplugged, çevrimdışı pekiştirme öğrenimi için bir dizi testtir. RL Unplugged aşağıdaki hususlar etrafında tasarlanmıştır: kullanım kolaylığını kolaylaştırmak için veri kümelerine, genel bir işlem hattı oluşturulduktan sonra uygulamacının süitteki tüm verilerle çalışmasını kolaylaştıran birleşik bir API sağlıyoruz.
Veri kümeleri, adımları ve bölümleri temsil etmek için RLDS biçimini takip eder.
Bu görevler, önceki çabaların hareket yakalama verilerini Merel ve diğerleri, 2019a , Merel ve diğerleri, 2019b veya sıfırdan eğitim Song ve diğerleri, 2020 kullandığı CMU Humanoid'i içeren koridor hareket görevlerinden oluşur. Ek olarak, DM Locomotion deposu, sanal bir kemirgen Merel ve diğerleri, 2020'ye uygun olacak şekilde uyarlanmış bir dizi görev içerir. DM Locomotion görevlerinin, zengin benmerkezci gözlemlerden algı ile birlikte zorlu yüksek DoF sürekli kontrolün kombinasyonunu içerdiğini vurguluyoruz. Veri kümesinin nasıl oluşturulduğuna ilişkin ayrıntılar için lütfen makaleye bakın.
Sürekli eylem alanı ile çok zorlu çevrimdışı RL veri kümesiyle ilgileniyorsanız, DeepMind Locomotion veri kümesinde çevrimdışı RL yöntemlerini denemenizi öneririz.
Ana sayfa : https://github.com/deepmind/deepmind-research/tree/master/rl_unplugged
Kaynak kodu :
tfds.rl_unplugged.rlu_locomotion.RluLocomotion
Sürümler :
-
1.0.0
(varsayılan): İlk sürüm.
-
İndirme boyutu :
Unknown size
Otomatik önbelleğe alınmış ( belgeler ): Hayır
Denetimli anahtarlar (bkz
as_supervised
doc ):None
Şekil ( tfds.show_examples ): Desteklenmez.
alıntı :
@inproceedings{gulcehre2020rl,
title = {RL Unplugged: A Suite of Benchmarks for Offline Reinforcement Learning},
author = {Gulcehre, Caglar and Wang, Ziyu and Novikov, Alexander and Paine, Thomas and G'{o}mez, Sergio and Zolna, Konrad and Agarwal, Rishabh and Merel, Josh S and Mankowitz, Daniel J and Paduraru, Cosmin and Dulac-Arnold, Gabriel and Li, Jerry and Norouzi, Mohammad and Hoffman, Matthew and Heess, Nicolas and de Freitas, Nando},
booktitle = {Advances in Neural Information Processing Systems},
pages = {7248--7259},
volume = {33},
year = {2020}
}
rlu_locomotion/humanoid_corridor (varsayılan yapılandırma)
Veri kümesi boyutu :
1.88 GiB
Bölmeler :
Bölmek | Örnekler |
---|---|
'train' | 4.000 |
- Özellik yapısı :
FeaturesDict({
'episode_id': tf.int64,
'steps': Dataset({
'action': Tensor(shape=(56,), dtype=tf.float32),
'discount': tf.float32,
'is_first': tf.bool,
'is_last': tf.bool,
'is_terminal': tf.bool,
'observation': FeaturesDict({
'walker': FeaturesDict({
'body_height': Tensor(shape=(1,), dtype=tf.float32),
'egocentric_camera': Image(shape=(64, 64, 3), dtype=tf.uint8),
'end_effectors_pos': Tensor(shape=(12,), dtype=tf.float32),
'joints_pos': Tensor(shape=(56,), dtype=tf.float32),
'joints_vel': Tensor(shape=(56,), dtype=tf.float32),
'sensors_accelerometer': Tensor(shape=(3,), dtype=tf.float32),
'sensors_gyro': Tensor(shape=(3,), dtype=tf.float32),
'sensors_velocimeter': Tensor(shape=(3,), dtype=tf.float32),
'world_zaxis': Tensor(shape=(3,), dtype=tf.float32),
}),
}),
'reward': tf.float32,
}),
'timestamp': tf.int64,
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtype | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_kimliği | tensör | tf.int64 | ||
adımlar | veri kümesi | |||
adımlar/eylem | tensör | (56,) | tf.float32 | |
adımlar/indirim | tensör | tf.float32 | ||
adımlar/is_first | tensör | tf.bool | ||
adımlar/is_last | tensör | tf.bool | ||
adımlar/is_terminal | tensör | tf.bool | ||
adımlar/gözlem | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç/vücut yüksekliği | tensör | (1,) | tf.float32 | |
adımlar/gözlem/yürüteç/egocentric_camera | resim | (64, 64, 3) | tf.uint8 | |
adımlar/gözlem/yürüteç/end_effectors_pos | tensör | (12,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_pos | tensör | (56,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_vel | tensör | (56,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_accelerometer | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_gyro | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_velocimeter | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/world_zaxis | tensör | (3,) | tf.float32 | |
adımlar/ödül | tensör | tf.float32 | ||
zaman damgası | tensör | tf.int64 |
- Örnekler ( tfds.as_dataframe ):
rlu_locomotion/humanoid_gaps
Veri kümesi boyutu :
4.57 GiB
Bölmeler :
Bölmek | Örnekler |
---|---|
'train' | 8.000 |
- Özellik yapısı :
FeaturesDict({
'episode_id': tf.int64,
'steps': Dataset({
'action': Tensor(shape=(56,), dtype=tf.float32),
'discount': tf.float32,
'is_first': tf.bool,
'is_last': tf.bool,
'is_terminal': tf.bool,
'observation': FeaturesDict({
'walker': FeaturesDict({
'body_height': Tensor(shape=(1,), dtype=tf.float32),
'egocentric_camera': Image(shape=(64, 64, 3), dtype=tf.uint8),
'end_effectors_pos': Tensor(shape=(12,), dtype=tf.float32),
'joints_pos': Tensor(shape=(56,), dtype=tf.float32),
'joints_vel': Tensor(shape=(56,), dtype=tf.float32),
'sensors_accelerometer': Tensor(shape=(3,), dtype=tf.float32),
'sensors_gyro': Tensor(shape=(3,), dtype=tf.float32),
'sensors_velocimeter': Tensor(shape=(3,), dtype=tf.float32),
'world_zaxis': Tensor(shape=(3,), dtype=tf.float32),
}),
}),
'reward': tf.float32,
}),
'timestamp': tf.int64,
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtype | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_kimliği | tensör | tf.int64 | ||
adımlar | veri kümesi | |||
adımlar/eylem | tensör | (56,) | tf.float32 | |
adımlar/indirim | tensör | tf.float32 | ||
adımlar/is_first | tensör | tf.bool | ||
adımlar/is_last | tensör | tf.bool | ||
adımlar/is_terminal | tensör | tf.bool | ||
adımlar/gözlem | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç/vücut yüksekliği | tensör | (1,) | tf.float32 | |
adımlar/gözlem/yürüteç/egocentric_camera | resim | (64, 64, 3) | tf.uint8 | |
adımlar/gözlem/yürüteç/end_effectors_pos | tensör | (12,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_pos | tensör | (56,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_vel | tensör | (56,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_accelerometer | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_gyro | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_velocimeter | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/world_zaxis | tensör | (3,) | tf.float32 | |
adımlar/ödül | tensör | tf.float32 | ||
zaman damgası | tensör | tf.int64 |
- Örnekler ( tfds.as_dataframe ):
rlu_locomotion/insansı_duvarlar
Veri kümesi boyutu :
2.36 GiB
Bölmeler :
Bölmek | Örnekler |
---|---|
'train' | 4.000 |
- Özellik yapısı :
FeaturesDict({
'episode_id': tf.int64,
'steps': Dataset({
'action': Tensor(shape=(56,), dtype=tf.float32),
'discount': tf.float32,
'is_first': tf.bool,
'is_last': tf.bool,
'is_terminal': tf.bool,
'observation': FeaturesDict({
'walker': FeaturesDict({
'body_height': Tensor(shape=(1,), dtype=tf.float32),
'egocentric_camera': Image(shape=(64, 64, 3), dtype=tf.uint8),
'end_effectors_pos': Tensor(shape=(12,), dtype=tf.float32),
'joints_pos': Tensor(shape=(56,), dtype=tf.float32),
'joints_vel': Tensor(shape=(56,), dtype=tf.float32),
'sensors_accelerometer': Tensor(shape=(3,), dtype=tf.float32),
'sensors_gyro': Tensor(shape=(3,), dtype=tf.float32),
'sensors_velocimeter': Tensor(shape=(3,), dtype=tf.float32),
'world_zaxis': Tensor(shape=(3,), dtype=tf.float32),
}),
}),
'reward': tf.float32,
}),
'timestamp': tf.int64,
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtype | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_kimliği | tensör | tf.int64 | ||
adımlar | veri kümesi | |||
adımlar/eylem | tensör | (56,) | tf.float32 | |
adımlar/indirim | tensör | tf.float32 | ||
adımlar/is_first | tensör | tf.bool | ||
adımlar/is_last | tensör | tf.bool | ||
adımlar/is_terminal | tensör | tf.bool | ||
adımlar/gözlem | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç/vücut yüksekliği | tensör | (1,) | tf.float32 | |
adımlar/gözlem/yürüteç/egocentric_camera | resim | (64, 64, 3) | tf.uint8 | |
adımlar/gözlem/yürüteç/end_effectors_pos | tensör | (12,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_pos | tensör | (56,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_vel | tensör | (56,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_accelerometer | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_gyro | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_velocimeter | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/world_zaxis | tensör | (3,) | tf.float32 | |
adımlar/ödül | tensör | tf.float32 | ||
zaman damgası | tensör | tf.int64 |
- Örnekler ( tfds.as_dataframe ):
rlu_locomotion/rodent_bowl_escape
Veri kümesi boyutu :
16.46 GiB
Bölmeler :
Bölmek | Örnekler |
---|---|
'train' | 2.000 |
- Özellik yapısı :
FeaturesDict({
'episode_id': tf.int64,
'steps': Dataset({
'action': Tensor(shape=(38,), dtype=tf.float32),
'discount': tf.float32,
'is_first': tf.bool,
'is_last': tf.bool,
'is_terminal': tf.bool,
'observation': FeaturesDict({
'walker': FeaturesDict({
'appendages_pos': Tensor(shape=(15,), dtype=tf.float32),
'egocentric_camera': Image(shape=(64, 64, 3), dtype=tf.uint8),
'joints_pos': Tensor(shape=(30,), dtype=tf.float32),
'joints_vel': Tensor(shape=(30,), dtype=tf.float32),
'sensors_accelerometer': Tensor(shape=(3,), dtype=tf.float32),
'sensors_gyro': Tensor(shape=(3,), dtype=tf.float32),
'sensors_touch': Tensor(shape=(4,), dtype=tf.float32),
'sensors_velocimeter': Tensor(shape=(3,), dtype=tf.float32),
'tendons_pos': Tensor(shape=(8,), dtype=tf.float32),
'tendons_vel': Tensor(shape=(8,), dtype=tf.float32),
'world_zaxis': Tensor(shape=(3,), dtype=tf.float32),
}),
}),
'reward': tf.float32,
}),
'timestamp': tf.int64,
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtype | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_kimliği | tensör | tf.int64 | ||
adımlar | veri kümesi | |||
adımlar/eylem | tensör | (38,) | tf.float32 | |
adımlar/indirim | tensör | tf.float32 | ||
adımlar/is_first | tensör | tf.bool | ||
adımlar/is_last | tensör | tf.bool | ||
adımlar/is_terminal | tensör | tf.bool | ||
adımlar/gözlem | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç/appendages_pos | tensör | (15,) | tf.float32 | |
adımlar/gözlem/yürüteç/egocentric_camera | resim | (64, 64, 3) | tf.uint8 | |
adımlar/gözlem/yürüteç/joints_pos | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_vel | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_accelerometer | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_gyro | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_touch | tensör | (4,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_velocimeter | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_pos | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_vel | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/world_zaxis | tensör | (3,) | tf.float32 | |
adımlar/ödül | tensör | tf.float32 | ||
zaman damgası | tensör | tf.int64 |
- Örnekler ( tfds.as_dataframe ):
rlu_locomotion/rodent_gaps
Veri kümesi boyutu :
8.90 GiB
Bölmeler :
Bölmek | Örnekler |
---|---|
'train' | 2.000 |
- Özellik yapısı :
FeaturesDict({
'episode_id': tf.int64,
'steps': Dataset({
'action': Tensor(shape=(38,), dtype=tf.float32),
'discount': tf.float32,
'is_first': tf.bool,
'is_last': tf.bool,
'is_terminal': tf.bool,
'observation': FeaturesDict({
'walker': FeaturesDict({
'appendages_pos': Tensor(shape=(15,), dtype=tf.float32),
'egocentric_camera': Image(shape=(64, 64, 3), dtype=tf.uint8),
'joints_pos': Tensor(shape=(30,), dtype=tf.float32),
'joints_vel': Tensor(shape=(30,), dtype=tf.float32),
'sensors_accelerometer': Tensor(shape=(3,), dtype=tf.float32),
'sensors_gyro': Tensor(shape=(3,), dtype=tf.float32),
'sensors_touch': Tensor(shape=(4,), dtype=tf.float32),
'sensors_velocimeter': Tensor(shape=(3,), dtype=tf.float32),
'tendons_pos': Tensor(shape=(8,), dtype=tf.float32),
'tendons_vel': Tensor(shape=(8,), dtype=tf.float32),
'world_zaxis': Tensor(shape=(3,), dtype=tf.float32),
}),
}),
'reward': tf.float32,
}),
'timestamp': tf.int64,
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtype | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_kimliği | tensör | tf.int64 | ||
adımlar | veri kümesi | |||
adımlar/eylem | tensör | (38,) | tf.float32 | |
adımlar/indirim | tensör | tf.float32 | ||
adımlar/is_first | tensör | tf.bool | ||
adımlar/is_last | tensör | tf.bool | ||
adımlar/is_terminal | tensör | tf.bool | ||
adımlar/gözlem | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç/appendages_pos | tensör | (15,) | tf.float32 | |
adımlar/gözlem/yürüteç/egocentric_camera | resim | (64, 64, 3) | tf.uint8 | |
adımlar/gözlem/yürüteç/joints_pos | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_vel | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_accelerometer | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_gyro | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_touch | tensör | (4,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_velocimeter | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_pos | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_vel | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/world_zaxis | tensör | (3,) | tf.float32 | |
adımlar/ödül | tensör | tf.float32 | ||
zaman damgası | tensör | tf.int64 |
- Örnekler ( tfds.as_dataframe ):
rlu_locomotion/rodent_mazes
Veri kümesi boyutu :
20.71 GiB
Bölmeler :
Bölmek | Örnekler |
---|---|
'train' | 2.000 |
- Özellik yapısı :
FeaturesDict({
'episode_id': tf.int64,
'steps': Dataset({
'action': Tensor(shape=(38,), dtype=tf.float32),
'discount': tf.float32,
'is_first': tf.bool,
'is_last': tf.bool,
'is_terminal': tf.bool,
'observation': FeaturesDict({
'walker': FeaturesDict({
'appendages_pos': Tensor(shape=(15,), dtype=tf.float32),
'egocentric_camera': Image(shape=(64, 64, 3), dtype=tf.uint8),
'joints_pos': Tensor(shape=(30,), dtype=tf.float32),
'joints_vel': Tensor(shape=(30,), dtype=tf.float32),
'sensors_accelerometer': Tensor(shape=(3,), dtype=tf.float32),
'sensors_gyro': Tensor(shape=(3,), dtype=tf.float32),
'sensors_touch': Tensor(shape=(4,), dtype=tf.float32),
'sensors_velocimeter': Tensor(shape=(3,), dtype=tf.float32),
'tendons_pos': Tensor(shape=(8,), dtype=tf.float32),
'tendons_vel': Tensor(shape=(8,), dtype=tf.float32),
'world_zaxis': Tensor(shape=(3,), dtype=tf.float32),
}),
}),
'reward': tf.float32,
}),
'timestamp': tf.int64,
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtype | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_kimliği | tensör | tf.int64 | ||
adımlar | veri kümesi | |||
adımlar/eylem | tensör | (38,) | tf.float32 | |
adımlar/indirim | tensör | tf.float32 | ||
adımlar/is_first | tensör | tf.bool | ||
adımlar/is_last | tensör | tf.bool | ||
adımlar/is_terminal | tensör | tf.bool | ||
adımlar/gözlem | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç/appendages_pos | tensör | (15,) | tf.float32 | |
adımlar/gözlem/yürüteç/egocentric_camera | resim | (64, 64, 3) | tf.uint8 | |
adımlar/gözlem/yürüteç/joints_pos | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_vel | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_accelerometer | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_gyro | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_touch | tensör | (4,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_velocimeter | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_pos | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_vel | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/world_zaxis | tensör | (3,) | tf.float32 | |
adımlar/ödül | tensör | tf.float32 | ||
zaman damgası | tensör | tf.int64 |
- Örnekler ( tfds.as_dataframe ):
rlu_locomotion/rodent_two_touch
Veri kümesi boyutu :
23.05 GiB
Bölmeler :
Bölmek | Örnekler |
---|---|
'train' | 2.000 |
- Özellik yapısı :
FeaturesDict({
'episode_id': tf.int64,
'steps': Dataset({
'action': Tensor(shape=(38,), dtype=tf.float32),
'discount': tf.float32,
'is_first': tf.bool,
'is_last': tf.bool,
'is_terminal': tf.bool,
'observation': FeaturesDict({
'walker': FeaturesDict({
'appendages_pos': Tensor(shape=(15,), dtype=tf.float32),
'egocentric_camera': Image(shape=(64, 64, 3), dtype=tf.uint8),
'joints_pos': Tensor(shape=(30,), dtype=tf.float32),
'joints_vel': Tensor(shape=(30,), dtype=tf.float32),
'sensors_accelerometer': Tensor(shape=(3,), dtype=tf.float32),
'sensors_gyro': Tensor(shape=(3,), dtype=tf.float32),
'sensors_touch': Tensor(shape=(4,), dtype=tf.float32),
'sensors_velocimeter': Tensor(shape=(3,), dtype=tf.float32),
'tendons_pos': Tensor(shape=(8,), dtype=tf.float32),
'tendons_vel': Tensor(shape=(8,), dtype=tf.float32),
'world_zaxis': Tensor(shape=(3,), dtype=tf.float32),
}),
}),
'reward': tf.float32,
}),
'timestamp': tf.int64,
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtype | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_kimliği | tensör | tf.int64 | ||
adımlar | veri kümesi | |||
adımlar/eylem | tensör | (38,) | tf.float32 | |
adımlar/indirim | tensör | tf.float32 | ||
adımlar/is_first | tensör | tf.bool | ||
adımlar/is_last | tensör | tf.bool | ||
adımlar/is_terminal | tensör | tf.bool | ||
adımlar/gözlem | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç | ÖzelliklerDict | |||
adımlar/gözlem/yürüteç/appendages_pos | tensör | (15,) | tf.float32 | |
adımlar/gözlem/yürüteç/egocentric_camera | resim | (64, 64, 3) | tf.uint8 | |
adımlar/gözlem/yürüteç/joints_pos | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/joints_vel | tensör | (30,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_accelerometer | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_gyro | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_touch | tensör | (4,) | tf.float32 | |
adımlar/gözlem/yürüteç/sensors_velocimeter | tensör | (3,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_pos | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/tendons_vel | tensör | (8,) | tf.float32 | |
adımlar/gözlem/yürüteç/world_zaxis | tensör | (3,) | tf.float32 | |
adımlar/ödül | tensör | tf.float32 | ||
zaman damgası | tensör | tf.int64 |
- Örnekler ( tfds.as_dataframe ):