d4rl_adroit_pen

  • شرح :

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_pen/v0-human (پیکربندی پیش فرض)

شکاف مثال ها
'train' 50
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (24،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/qpos تانسور (30،) float32
Steps/infos/qvel تانسور (30،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (45،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_pen/v0-cloned

شکاف مثال ها
'train' 5,023
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), 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=(45,), dtype=float64),
        'reward': float64,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (24،) float32
مراحل/تخفیف تانسور float64
مراحل/اطلاعات FeaturesDict
Steps/infos/qpos تانسور (30،) float64
Steps/infos/qvel تانسور (30،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (45،) float64
مراحل/پاداش تانسور float64

d4rl_adroit_pen/v0-expert

شکاف مثال ها
'train' 5000
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(24,), dtype=float32),
            'action_mean': Tensor(shape=(24,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (24،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_logstd تانسور (24،) float32
Steps/infos/action_mean تانسور (24،) float32
Steps/infos/qpos تانسور (30،) float32
Steps/infos/qvel تانسور (30،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (45،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_pen/v1-human

شکاف مثال ها
'train' 25
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'desired_orien': Tensor(shape=(4,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (24،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/desired_orien تانسور (4،) float32
Steps/infos/qpos تانسور (30،) float32
Steps/infos/qvel تانسور (30،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (45،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_pen/v1-cloned

شکاف مثال ها
'train' 3,755
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(45, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(256, 24), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'desired_orien': Tensor(shape=(4,), 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=(45,), 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 (45، 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 (24،) float32
Policy/last_fc/weight تانسور (256، 24) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (24،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/desired_orien تانسور (4،) float32
Steps/infos/qpos تانسور (30،) float32
Steps/infos/qvel تانسور (30،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (45،) float32
مراحل/پاداش تانسور float32

d4rl_adroit_pen/v1-expert

  • حجم دانلود : 249.90 MiB

  • حجم مجموعه داده : 548.47 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیمات :

شکاف مثال ها
'train' 5000
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(64,), dtype=float32),
            'weight': Tensor(shape=(64, 45), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(64,), dtype=float32),
            'weight': Tensor(shape=(64, 64), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(24, 64), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(24, 64), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(24,), dtype=float32),
            'action_mean': Tensor(shape=(24,), dtype=float32),
            'desired_orien': Tensor(shape=(4,), 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=(45,), 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 (64،) float32
سیاست/fc0/وزن تانسور (64، 45) float32
Policy/fc1 FeaturesDict
Policy/fc1/bias تانسور (64،) float32
سیاست/fc1/وزن تانسور (64، 64) float32
Policy/last_fc FeaturesDict
Policy/last_fc/bias تانسور (24،) float32
Policy/last_fc/weight تانسور (24، 64) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (24،) float32
Policy/last_fc_log_std/weight تانسور (24، 64) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (24،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_std تانسور (24،) float32
Steps/infos/action_mean تانسور (24،) float32
Steps/infos/desired_orien تانسور (4،) float32
Steps/infos/qpos تانسور (30،) float32
Steps/infos/qvel تانسور (30،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (45،) float32
مراحل/پاداش تانسور float32