d4rl_adroit_door

  • opis :

D4RL to test porównawczy typu open source do uczenia się ze wzmacnianiem w trybie offline. Zapewnia znormalizowane środowiska i zestawy danych do trenowania i testowania algorytmów.

Zestawy danych są zgodne z formatem RLDS, aby reprezentować kroki i epizody.

@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-człowiek (domyślna konfiguracja)

  • Rozmiar pliku do pobrania : 2.97 MiB

  • Rozmiar zestawu danych : 3.36 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Rozdzielać 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
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (28,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/qpos Napinacz (30,) pływak32
kroki/informacje/qvel Napinacz (30,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/jest_terminalem Napinacz bool
kroki/obserwacja Napinacz (39,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_adroit_door/v0-klonowane

  • Rozmiar pliku do pobrania : 602.42 MiB

  • Rozmiar zbioru danych : 497.47 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Rozdzielać 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
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (28,) pływak32
kroki/rabat Napinacz pływak64
kroki/informacje FunkcjeDict
kroki/informacje/qpos Napinacz (30,) pływak64
kroki/informacje/qvel Napinacz (30,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/jest_terminalem Napinacz bool
kroki/obserwacja Napinacz (39,) pływak64
kroki/nagroda Napinacz pływak64

d4rl_adroit_door/v0-expert

  • Rozmiar pliku do pobrania : 511.05 MiB

  • Rozmiar zestawu danych : 710.30 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Rozdzielać 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
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (28,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/action_logstd Napinacz (28,) pływak32
kroki/informacje/środek_działania Napinacz (28,) pływak32
kroki/informacje/qpos Napinacz (30,) pływak32
kroki/informacje/qvel Napinacz (30,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/jest_terminalem Napinacz bool
kroki/obserwacja Napinacz (39,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_adroit_door/v1-człowiek

  • Rozmiar pliku do pobrania : 2.98 MiB

  • Rozmiar zestawu danych : 3.42 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Rozdzielać 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
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (28,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/poz_nadwozia_drzwi Napinacz (3,) pływak32
kroki/informacje/qpos Napinacz (30,) pływak32
kroki/informacje/qvel Napinacz (30,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/jest_terminalem Napinacz bool
kroki/obserwacja Napinacz (39,) pływak32
kroki/nagroda Napinacz pływak32

sklonowany d4rl_adroit_door/v1

  • Rozmiar pliku do pobrania : 280.72 MiB

  • Rozmiar zestawu danych : 1.85 GiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Rozdzielać 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
FunkcjeDict
algorytm Napinacz strunowy
polityka FunkcjeDict
polityka/fc0 FunkcjeDict
polityka/fc0/bias Napinacz (256,) pływak32
polityka/fc0/waga Napinacz (39, 256) pływak32
polityka/fc1 FunkcjeDict
polityka/fc1/bias Napinacz (256,) pływak32
polityka/fc1/waga Napinacz (256, 256) pływak32
polityka/last_fc FunkcjeDict
polityka/last_fc/bias Napinacz (28,) pływak32
polityka/last_fc/waga Napinacz (256, 28) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/działanie Napinacz (28,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/poz_nadwozia_drzwi Napinacz (3,) pływak32
kroki/informacje/qpos Napinacz (30,) pływak32
kroki/informacje/qvel Napinacz (30,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/jest_terminalem Napinacz bool
kroki/obserwacja Napinacz (39,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_adroit_door/v1-expert

  • Rozmiar pliku do pobrania : 511.22 MiB

  • Rozmiar zestawu danych : 803.48 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Rozdzielać 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
FunkcjeDict
algorytm Napinacz strunowy
polityka FunkcjeDict
polityka/fc0 FunkcjeDict
polityka/fc0/bias Napinacz (32,) pływak32
polityka/fc0/waga Napinacz (32, 39) pływak32
polityka/fc1 FunkcjeDict
polityka/fc1/bias Napinacz (32,) pływak32
polityka/fc1/waga Napinacz (32, 32) pływak32
polityka/last_fc FunkcjeDict
polityka/last_fc/bias Napinacz (28,) pływak32
polityka/last_fc/waga Napinacz (28, 32) pływak32
polityka/last_fc_log_std FunkcjeDict
polityka/last_fc_log_std/bias Napinacz (28,) pływak32
polityka/last_fc_log_std/waga Napinacz (28, 32) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/działanie Napinacz (28,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/action_log_std Napinacz (28,) pływak32
kroki/informacje/środek_działania Napinacz (28,) pływak32
kroki/informacje/poz_nadwozia_drzwi Napinacz (3,) pływak32
kroki/informacje/qpos Napinacz (30,) pływak32
kroki/informacje/qvel Napinacz (30,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/jest_terminalem Napinacz bool
kroki/obserwacja Napinacz (39,) pływak32
kroki/nagroda Napinacz pływak32