d4rl_adroit_door

  • وصف :

D4RL هو معيار مفتوح المصدر للتعلم المعزز دون الاتصال بالإنترنت. يوفر بيئات ومجموعات بيانات موحدة للتدريب وقياس الخوارزميات.

تتبع مجموعات البيانات تنسيق RLDS لتمثيل الخطوات والحلقات.

@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_door/v0-human (التكوين الافتراضي)

  • حجم التحميل : 2.97 MiB

  • حجم مجموعة البيانات : 3.36 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): نعم

  • الإنشقاقات :

ينقسم أمثلة
'train' 50
  • هيكل الميزة :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (28،) float32
الخطوات/الخصم الموتر float32
الخطوات/المعلومات المميزاتDict
الخطوات/المعلومات/qpos الموتر (30،) float32
الخطوات/المعلومات/qvel الموتر (30،) float32
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/الملاحظة الموتر (39،) float32
خطوات/مكافأة الموتر float32

d4rl_adroit_door/v0-cloned

  • حجم التحميل : 602.42 MiB

  • حجم مجموعة البيانات : 497.47 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): لا

  • الإنشقاقات :

ينقسم أمثلة
'train' 6,214
  • هيكل الميزة :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=float64),
            'qvel': Tensor(shape=(30,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float64),
        'reward': float64,
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (28،) float32
الخطوات/الخصم الموتر float64
الخطوات/المعلومات المميزاتDict
الخطوات/المعلومات/qpos الموتر (30،) float64
الخطوات/المعلومات/qvel الموتر (30،) float64
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/الملاحظة الموتر (39،) float64
خطوات/مكافأة الموتر float64

d4rl_adroit_door/v0-expert

  • حجم التحميل : 511.05 MiB

  • حجم مجموعة البيانات : 710.30 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): لا

  • الإنشقاقات :

ينقسم أمثلة
'train' 5000
  • هيكل الميزة :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(28,), dtype=float32),
            'action_mean': Tensor(shape=(28,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (28،) float32
الخطوات/الخصم الموتر float32
الخطوات/المعلومات المميزاتDict
الخطوات/المعلومات/action_logstd الموتر (28،) float32
الخطوات/المعلومات/action_mean الموتر (28،) float32
الخطوات/المعلومات/qpos الموتر (30،) float32
الخطوات/المعلومات/qvel الموتر (30،) float32
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/الملاحظة الموتر (39،) float32
خطوات/مكافأة الموتر float32

d4rl_adroit_door/v1-human

  • حجم التحميل : 2.98 MiB

  • حجم مجموعة البيانات : 3.42 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): نعم

  • الإنشقاقات :

ينقسم أمثلة
'train' 25
  • هيكل الميزة :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (28،) float32
الخطوات/الخصم الموتر float32
الخطوات/المعلومات المميزاتDict
الخطوات/infos/door_body_pos الموتر (3،) float32
الخطوات/المعلومات/qpos الموتر (30،) float32
الخطوات/المعلومات/qvel الموتر (30،) float32
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/الملاحظة الموتر (39،) float32
خطوات/مكافأة الموتر float32

d4rl_adroit_door/v1-cloned

  • حجم التحميل : 280.72 MiB

  • حجم مجموعة البيانات : 1.85 GiB

  • التخزين المؤقت التلقائي ( الوثائق ): لا

  • الإنشقاقات :

ينقسم أمثلة
'train' 4,358
  • هيكل الميزة :
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=(28,), dtype=float32),
            'weight': Tensor(shape=(256, 28), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
خوارزمية الموتر خيط
سياسة المميزاتDict
سياسة/fc0 المميزاتDict
سياسة/fc0/bias الموتر (256،) float32
سياسة/fc0/الوزن الموتر (39، 256) float32
سياسة/fc1 المميزاتDict
سياسة/fc1/bias الموتر (256،) float32
السياسة/fc1/الوزن الموتر (256، 256) float32
سياسة/last_fc المميزاتDict
سياسة/last_fc/bias الموتر (28،) float32
سياسة/last_fc/weight الموتر (256، 28) float32
السياسة/اللاخطية الموتر خيط
سياسة/output_distribution الموتر خيط
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (28،) float32
الخطوات/الخصم الموتر float32
الخطوات/المعلومات المميزاتDict
الخطوات/infos/door_body_pos الموتر (3،) float32
الخطوات/المعلومات/qpos الموتر (30،) float32
الخطوات/المعلومات/qvel الموتر (30،) float32
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/الملاحظة الموتر (39،) float32
خطوات/مكافأة الموتر float32

d4rl_adroit_door/v1-expert

  • حجم التحميل : 511.22 MiB

  • حجم مجموعة البيانات : 803.48 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): لا

  • الإنشقاقات :

ينقسم أمثلة
'train' 5000
  • هيكل الميزة :
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=(28,), dtype=float32),
            'weight': Tensor(shape=(28, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=float32),
            'weight': Tensor(shape=(28, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(28,), dtype=float32),
            'action_mean': Tensor(shape=(28,), dtype=float32),
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
خوارزمية الموتر خيط
سياسة المميزاتDict
سياسة/fc0 المميزاتDict
سياسة/fc0/bias الموتر (32،) float32
سياسة/fc0/الوزن الموتر (32، 39) float32
سياسة/fc1 المميزاتDict
سياسة/fc1/bias الموتر (32،) float32
السياسة/fc1/الوزن الموتر (32، 32) float32
سياسة/last_fc المميزاتDict
سياسة/last_fc/bias الموتر (28،) float32
سياسة/last_fc/weight الموتر (28، 32) float32
سياسة/last_fc_log_std المميزاتDict
سياسة/last_fc_log_std/bias الموتر (28،) float32
سياسة/last_fc_log_std/weight الموتر (28، 32) float32
السياسة/اللاخطية الموتر خيط
سياسة/output_distribution الموتر خيط
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (28،) float32
الخطوات/الخصم الموتر float32
الخطوات/المعلومات المميزاتDict
الخطوات/المعلومات/action_log_std الموتر (28،) float32
الخطوات/المعلومات/action_mean الموتر (28،) float32
الخطوات/infos/door_body_pos الموتر (3،) float32
الخطوات/المعلومات/qpos الموتر (30،) float32
الخطوات/المعلومات/qvel الموتر (30،) float32
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/الملاحظة الموتر (39،) float32
خطوات/مكافأة الموتر float32