d4rl_adroit_door

• Opis :

D4RL to punkt odniesienia typu open source do uczenia się przez wzmacnianie w trybie offline. Zapewnia standaryzowane środowiska i zbiory danych do algorytmów szkoleniowych i porównawczych.

Zbiory danych są zgodne z formatem RLDS i reprezentują kroki i odcinki.

• Opis konfiguracji : zobacz więcej szczegółów na temat zadania i jego wersji w https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit

• Strona główna : https://sites.google.com/view/d4rl-anonymous

• Kod źródłowy : tfds.d4rl.d4rl_adroit_door.D4rlAdroitDoor

• Wersje :

  • 1.0.0 : Pierwsza wersja.
  • 1.1.0 (domyślnie): Dodano is_last.

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Cytat :

@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 (konfiguracja domyślna)

• Rozmiar pobierania : 2.97 MiB

• Rozmiar zbioru danych : 3.36 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

Podział	Przykłady
'train'	50

• Struktura funkcji :

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,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
kroki	Zbiór danych
kroki/akcja	Napinacz	(28,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDykt
kroki/informacje/qpos	Napinacz	(30,)	pływak32
kroki/informacje/kw	Napinacz	(30,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/is_terminal	Napinacz		bool
kroki/obserwacje	Napinacz	(39,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_door/v0-cloned

• Rozmiar pobierania : 602.42 MiB

• Rozmiar zbioru danych : 497.47 MiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Podział	Przykłady
'train'	6214

• Struktura funkcji :

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,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
kroki	Zbiór danych
kroki/akcja	Napinacz	(28,)	pływak32
kroki/rabat	Napinacz		pływak64
kroki/informacje	FunkcjeDykt
kroki/informacje/qpos	Napinacz	(30,)	pływak64
kroki/informacje/kw	Napinacz	(30,)	pływak64
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/is_terminal	Napinacz		bool
kroki/obserwacje	Napinacz	(39,)	pływak64
kroki/nagroda	Napinacz		pływak64

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_door/v0-expert

• Rozmiar pobierania : 511.05 MiB

• Rozmiar zbioru danych : 710.30 MiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Podział	Przykłady
'train'	5000

• Struktura funkcji :

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,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
kroki	Zbiór danych
kroki/akcja	Napinacz	(28,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDykt
kroki/infos/action_logstd	Napinacz	(28,)	pływak32
kroki/informacje/średnia_akcji	Napinacz	(28,)	pływak32
kroki/informacje/qpos	Napinacz	(30,)	pływak32
kroki/informacje/kw	Napinacz	(30,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/is_terminal	Napinacz		bool
kroki/obserwacje	Napinacz	(39,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_door/v1-human

• Rozmiar pobierania : 2.98 MiB

• Rozmiar zbioru danych : 3.42 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

Podział	Przykłady
'train'	25

• Struktura funkcji :

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,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
kroki	Zbiór danych
kroki/akcja	Napinacz	(28,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDykt
kroki/infos/door_body_pos	Napinacz	(3,)	pływak32
kroki/informacje/qpos	Napinacz	(30,)	pływak32
kroki/informacje/kw	Napinacz	(30,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/is_terminal	Napinacz		bool
kroki/obserwacje	Napinacz	(39,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_door/v1-cloned

• Rozmiar pobierania : 280.72 MiB

• Rozmiar zbioru danych : 1.85 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Podział	Przykłady
'train'	4358

• Struktura funkcji :

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,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
algorytm	Napinacz		strunowy
polityka	FunkcjeDykt
polityka/fc0	FunkcjeDykt
polityka/fc0/stronniczość	Napinacz	(256,)	pływak32
polityka/fc0/waga	Napinacz	(39, 256)	pływak32
polityka/fc1	FunkcjeDykt
polityka/fc1/stronniczość	Napinacz	(256,)	pływak32
polisa/fc1/waga	Napinacz	(256, 256)	pływak32
polityka/last_fc	FunkcjeDykt
policy/last_fc/bias	Napinacz	(28,)	pływak32
policy/last_fc/waga	Napinacz	(256, 28)	pływak32
polityka/nieliniowość	Napinacz		strunowy
polityka/dystrybucja_wyjściowa	Napinacz		strunowy
kroki	Zbiór danych
kroki/akcja	Napinacz	(28,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDykt
kroki/infos/door_body_pos	Napinacz	(3,)	pływak32
kroki/informacje/qpos	Napinacz	(30,)	pływak32
kroki/informacje/kw	Napinacz	(30,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/is_terminal	Napinacz		bool
kroki/obserwacje	Napinacz	(39,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_door/v1-expert

• Rozmiar pobierania : 511.22 MiB

• Rozmiar zbioru danych : 803.48 MiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Podział	Przykłady
'train'	5000

• Struktura funkcji :

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,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
algorytm	Napinacz		strunowy
polityka	FunkcjeDykt
polityka/fc0	FunkcjeDykt
polityka/fc0/stronniczość	Napinacz	(32,)	pływak32
polityka/fc0/waga	Napinacz	(32, 39)	pływak32
polityka/fc1	FunkcjeDykt
polityka/fc1/stronniczość	Napinacz	(32,)	pływak32
polisa/fc1/waga	Napinacz	(32, 32)	pływak32
polityka/last_fc	FunkcjeDykt
policy/last_fc/bias	Napinacz	(28,)	pływak32
policy/last_fc/waga	Napinacz	(28, 32)	pływak32
polityka/last_fc_log_std	FunkcjeDykt
policy/last_fc_log_std/bias	Napinacz	(28,)	pływak32
policy/last_fc_log_std/waga	Napinacz	(28, 32)	pływak32
polityka/nieliniowość	Napinacz		strunowy
polityka/dystrybucja_wyjściowa	Napinacz		strunowy
kroki	Zbiór danych
kroki/akcja	Napinacz	(28,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDykt
kroki/infos/action_log_std	Napinacz	(28,)	pływak32
kroki/informacje/średnia_akcji	Napinacz	(28,)	pływak32
kroki/infos/door_body_pos	Napinacz	(3,)	pływak32
kroki/informacje/qpos	Napinacz	(30,)	pływak32
kroki/informacje/kw	Napinacz	(30,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/is_terminal	Napinacz		bool
kroki/obserwacje	Napinacz	(39,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):