TFDS はCroissant 🥐 形式をサポートするようになりました。詳細については、ドキュメントをお読みください。

このページは Cloud Translation API によって翻訳されました。

d4rl_adroit_door

説明：

D4RL は、オフライン強化学習用のオープンソースベンチマークです。トレーニングおよびベンチマークアルゴリズム用の標準化された環境とデータセットを提供します。

データセットはRLDS 形式に従って、ステップとエピソードを表します。

構成の説明: タスクとそのバージョンの詳細については、 https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroitを参照してください。
ホームページ: https://sites.google.com/view/d4rl-anonymous
ソースコード: tfds.d4rl.d4rl_adroit_door.D4rlAdroitDoor
バージョン:
- 1.0.0 : 初期リリース。
- 1.1.0 (デフォルト): is_last を追加しました。
監視キー( as_supervised docを参照): None
図( tfds.show_examples ): サポートされていません。
引用：

@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 (デフォルト設定)

ダウンロードサイズ: 2.97 MiB
データセットのサイズ: 3.36 MiB
自動キャッシュ(ドキュメント): はい
分割:

スプリット	例
`'train'`	50

機能の構造:

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,
    }),
})

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(28,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/qpos	テンソル	(30,)	float32
ステップ/情報/qvel	テンソル	(30,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(39,)	float32
歩数/報酬	テンソル		float32

例( tfds.as_dataframe ):

d4rl_adroit_door/v0-cloned

ダウンロードサイズ: 602.42 MiB
データセットのサイズ: 497.47 MiB
自動キャッシュ(ドキュメント): いいえ
分割:

スプリット	例
`'train'`	6,214

機能の構造:

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,
    }),
})

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(28,)	float32
歩数/割引	テンソル		float64
手順/情報	特徴辞書
ステップ/情報/qpos	テンソル	(30,)	float64
ステップ/情報/qvel	テンソル	(30,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(39,)	float64
歩数/報酬	テンソル		float64

例( tfds.as_dataframe ):

d4rl_adroit_door/v0-expert

ダウンロードサイズ: 511.05 MiB
データセットのサイズ: 710.30 MiB
自動キャッシュ(ドキュメント): いいえ
分割:

スプリット	例
`'train'`	5,000

機能の構造:

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,
    }),
})

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(28,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/infos/action_logstd	テンソル	(28,)	float32
ステップ/情報/アクション_平均	テンソル	(28,)	float32
ステップ/情報/qpos	テンソル	(30,)	float32
ステップ/情報/qvel	テンソル	(30,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(39,)	float32
歩数/報酬	テンソル		float32

例( tfds.as_dataframe ):

d4rl_adroit_door/v1-human

ダウンロードサイズ: 2.98 MiB
データセットのサイズ: 3.42 MiB
自動キャッシュ(ドキュメント): はい
分割:

スプリット	例
`'train'`	25

機能の構造:

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,
    }),
})

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(28,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/door_body_pos	テンソル	(3,)	float32
ステップ/情報/qpos	テンソル	(30,)	float32
ステップ/情報/qvel	テンソル	(30,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(39,)	float32
歩数/報酬	テンソル		float32

例( tfds.as_dataframe ):

d4rl_adroit_door/v1-cloned

ダウンロードサイズ: 280.72 MiB
データセットのサイズ: 1.85 GiB
自動キャッシュ(ドキュメント): いいえ
分割:

スプリット	例
`'train'`	4,358

機能の構造:

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,
    }),
})

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
アルゴリズム	テンソル		弦
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(39,256)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(28,)	float32
ポリシー/last_fc/weight	テンソル	(256、28)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(28,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/door_body_pos	テンソル	(3,)	float32
ステップ/情報/qpos	テンソル	(30,)	float32
ステップ/情報/qvel	テンソル	(30,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(39,)	float32
歩数/報酬	テンソル		float32

例( tfds.as_dataframe ):

d4rl_adroit_door/v1-expert

ダウンロードサイズ: 511.22 MiB
データセットのサイズ: 803.48 MiB
自動キャッシュ(ドキュメント): いいえ
分割:

スプリット	例
`'train'`	5,000

機能の構造:

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,
    }),
})

機能ドキュメント:

特徴	クラス	形	Dタイプ
	特徴辞書
アルゴリズム	テンソル		弦
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(32,)	float32
ポリシー/fc0/重み	テンソル	(32、39)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(32,)	float32
ポリシー/fc1/重み	テンソル	(32, 32)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(28,)	float32
ポリシー/last_fc/weight	テンソル	(28、32)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(28,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(28、32)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(28,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/infos/action_log_std	テンソル	(28,)	float32
ステップ/情報/アクション_平均	テンソル	(28,)	float32
ステップ/情報/door_body_pos	テンソル	(3,)	float32
ステップ/情報/qpos	テンソル	(30,)	float32
ステップ/情報/qvel	テンソル	(30,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(39,)	float32
歩数/報酬	テンソル		float32

例( tfds.as_dataframe ):

d4rl_adroit_door コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。