d4rl_adroit_hammer

  • توضیحات :

D4RL یک معیار منبع باز برای یادگیری تقویتی آفلاین است. این محیط ها و مجموعه داده های استاندارد شده را برای آموزش و الگوریتم های محک ارائه می کند.

مجموعه داده ها از فرمت RLDS پیروی می کنند تا مراحل و قسمت ها را نشان دهند.

@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_hammer/v0-human (پیکربندی پیش فرض)

  • حجم دانلود : 5.33 MiB

  • حجم مجموعه داده : 6.10 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 70
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (26،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/qpos تانسور (33،) float32
Steps/infos/qvel تانسور (33،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (46،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_hammer/v0-cloned

  • حجم دانلود : 644.69 MiB

  • حجم مجموعه داده : 538.97 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 5,594
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float64),
            'qvel': Tensor(shape=(33,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float64),
        'reward': float64,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (26،) float32
مراحل/تخفیف تانسور float64
مراحل/اطلاعات FeaturesDict
Steps/infos/qpos تانسور (33،) float64
Steps/infos/qvel تانسور (33،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (46،) float64
مراحل/پاداش تانسور float64

d4rl_adroit_hammer/v0-expert

  • حجم دانلود : 529.91 MiB

  • حجم مجموعه داده : 737.00 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 5000
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (26،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_logstd تانسور (26،) float32
Steps/infos/action_mean تانسور (26،) float32
Steps/infos/qpos تانسور (33،) float32
Steps/infos/qvel تانسور (33،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (46،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_hammer/v1-human

  • حجم دانلود : 5.35 MiB

  • حجم مجموعه داده : 6.34 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 25
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (26،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/board_pos تانسور (3،) float32
Steps/infos/qpos تانسور (33،) float32
Steps/infos/qvel تانسور (33،) float32
Steps/infos/target_pos تانسور (3،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (46،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_hammer/v1-cloned

  • حجم دانلود : 425.93 MiB

  • حجم مجموعه داده : 1.68 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 3,606
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(46, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(256, 26), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
خط مشی FeaturesDict
Policy/fc0 FeaturesDict
Policy/fc0/bias تانسور (256،) float32
سیاست/fc0/وزن تانسور (46، 256) float32
Policy/fc1 FeaturesDict
Policy/fc1/bias تانسور (256،) float32
سیاست/fc1/وزن تانسور (256، 256) float32
Policy/last_fc FeaturesDict
Policy/last_fc/bias تانسور (26،) float32
Policy/last_fc/weight تانسور (256، 26) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (26،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/board_pos تانسور (3،) float32
Steps/infos/qpos تانسور (33،) float32
Steps/infos/qvel تانسور (33،) float32
Steps/infos/target_pos تانسور (3،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (46،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_hammer/v1-expert

  • حجم دانلود : 531.24 MiB

  • حجم مجموعه داده : 843.54 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 5000
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 46), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 32), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
خط مشی FeaturesDict
Policy/fc0 FeaturesDict
Policy/fc0/bias تانسور (32،) float32
سیاست/fc0/وزن تانسور (32، 46) float32
Policy/fc1 FeaturesDict
Policy/fc1/bias تانسور (32،) float32
سیاست/fc1/وزن تانسور (32، 32) float32
Policy/last_fc FeaturesDict
Policy/last_fc/bias تانسور (26،) float32
Policy/last_fc/weight تانسور (26، 32) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (26،) float32
Policy/last_fc_log_std/weight تانسور (26، 32) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (26،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_std تانسور (26،) float32
Steps/infos/action_mean تانسور (26،) float32
Steps/infos/board_pos تانسور (3،) float32
Steps/infos/qpos تانسور (33،) float32
Steps/infos/qvel تانسور (33،) float32
Steps/infos/target_pos تانسور (3،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (46،) float32
مراحل/پاداش تانسور float32