d4rl_adroit_pen

• Descripción :

D4RL es un punto de referencia de código abierto para el aprendizaje por refuerzo fuera de línea. Proporciona entornos y conjuntos de datos estandarizados para algoritmos de entrenamiento y evaluación comparativa.

Los conjuntos de datos siguen el formato RLDS para representar pasos y episodios.

• Página de inicio: https://sites.google.com/view/d4rl/home

• Código fuente : tfds.d4rl.d4rl_adroit_pen.D4rlAdroitPen

• Versiones :

  • 1.0.0 : Versión inicial.
  • 1.1.0 (predeterminado): Se agregó is_last.

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ): no compatible.

• Cita :

@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 (configuración predeterminada)

• Descripción de la configuración : vea más detalles sobre la tarea y sus versiones en https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit

• Tamaño de la descarga : 1.94 MiB

• Tamaño del conjunto de datos : 2.52 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

Separar	Ejemplos
'train'	50

• Estructura de características :

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,
    }),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(24,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/qpos	Tensor	(30,)	flotar32
pasos/información/qvel	Tensor	(30,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(45,)	flotar32
pasos/recompensa	Tensor		flotar32

• Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_pen/v0-clonado

• Descripción de la configuración : vea más detalles sobre la tarea y sus versiones en https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit

• Tamaño de la descarga : 292.85 MiB

• Tamaño del conjunto de datos : 252.55 MiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

Separar	Ejemplos
'train'	5,023

• Estructura de características :

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,
    }),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(24,)	flotar32
pasos/descuento	Tensor		flotar64
pasos/información	CaracterísticasDict
pasos/información/qpos	Tensor	(30,)	flotar64
pasos/información/qvel	Tensor	(30,)	flotar64
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(45,)	flotar64
pasos/recompensa	Tensor		flotar64

• Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_pen/v0-experto

• Descripción de la configuración : vea más detalles sobre la tarea y sus versiones en https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit

• Tamaño de la descarga : 250.13 MiB

• Tamaño del conjunto de datos : 344.41 MiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

Separar	Ejemplos
'train'	5,000

• Estructura de características :

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,
    }),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(24,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/acción_logstd	Tensor	(24,)	flotar32
pasos/información/action_mean	Tensor	(24,)	flotar32
pasos/información/qpos	Tensor	(30,)	flotar32
pasos/información/qvel	Tensor	(30,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(45,)	flotar32
pasos/recompensa	Tensor		flotar32

• Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-humano

• Descripción de la configuración : vea más detalles sobre la tarea y sus versiones en https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit

• Tamaño de la descarga : 1.95 MiB

• Tamaño del conjunto de datos : 2.60 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

Separar	Ejemplos
'train'	25

• Estructura de características :

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,
    }),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(24,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/deseado_oriente	Tensor	(4,)	flotar32
pasos/información/qpos	Tensor	(30,)	flotar32
pasos/información/qvel	Tensor	(30,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(45,)	flotar32
pasos/recompensa	Tensor		flotar32

• Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-clonado

• Descripción de la configuración : vea más detalles sobre la tarea y sus versiones en https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit

• Tamaño de la descarga : 147.89 MiB

• Tamaño del conjunto de datos : 1.43 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

Separar	Ejemplos
'train'	3,755

• Estructura de características :

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,
    }),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
algoritmo	Tensor		cuerda
política	CaracterísticasDict
política/fc0	CaracterísticasDict
política/fc0/sesgo	Tensor	(256,)	flotar32
política/fc0/peso	Tensor	(45, 256)	flotar32
política/fc1	CaracterísticasDict
política/fc1/sesgo	Tensor	(256,)	flotar32
política/fc1/peso	Tensor	(256, 256)	flotar32
política/last_fc	CaracterísticasDict
política/last_fc/sesgo	Tensor	(24,)	flotar32
política/last_fc/peso	Tensor	(256, 24)	flotar32
política/no linealidad	Tensor		cuerda
política/distribución_de_salida	Tensor		cuerda
pasos	conjunto de datos
pasos/acción	Tensor	(24,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/deseado_oriente	Tensor	(4,)	flotar32
pasos/información/qpos	Tensor	(30,)	flotar32
pasos/información/qvel	Tensor	(30,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(45,)	flotar32
pasos/recompensa	Tensor		flotar32

• Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-experto

• Tamaño de la descarga : 249.90 MiB

• Tamaño del conjunto de datos : 548.47 MiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

Separar	Ejemplos
'train'	5,000

• Estructura de características :

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,
    }),
})

• Documentación de características :

Rasgo	Clase	Forma	Tipo D	Descripción
	CaracterísticasDict
algoritmo	Tensor		cuerda
política	CaracterísticasDict
política/fc0	CaracterísticasDict
política/fc0/sesgo	Tensor	(64,)	flotar32
política/fc0/peso	Tensor	(64, 45)	flotar32
política/fc1	CaracterísticasDict
política/fc1/sesgo	Tensor	(64,)	flotar32
política/fc1/peso	Tensor	(64, 64)	flotar32
política/last_fc	CaracterísticasDict
política/last_fc/sesgo	Tensor	(24,)	flotar32
política/last_fc/peso	Tensor	(24, 64)	flotar32
política/last_fc_log_std	CaracterísticasDict
política/last_fc_log_std/sesgo	Tensor	(24,)	flotar32
política/last_fc_log_std/peso	Tensor	(24, 64)	flotar32
política/no linealidad	Tensor		cuerda
política/distribución_de_salida	Tensor		cuerda
pasos	conjunto de datos
pasos/acción	Tensor	(24,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/infos/action_log_std	Tensor	(24,)	flotar32
pasos/información/action_mean	Tensor	(24,)	flotar32
pasos/información/deseado_oriente	Tensor	(4,)	flotar32
pasos/información/qpos	Tensor	(30,)	flotar32
pasos/información/qvel	Tensor	(30,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(45,)	flotar32
pasos/recompensa	Tensor		flotar32

• Ejemplos ( tfds.as_dataframe ):