d4rl_adroit_pen

  • 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_pen/v0-human (domyślna konfiguracja)

Rozdzielać Przykłady
'train' 50
  • Struktura funkcji :
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,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (24,) 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 (45,) pływak32
kroki/nagroda Napinacz pływak32

sklonowany d4rl_adroit_pen/v0

Rozdzielać Przykłady
'train' 5023
  • Struktura funkcji :
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,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (24,) 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 (45,) pływak64
kroki/nagroda Napinacz pływak64

d4rl_adroit_pen/v0-expert

Rozdzielać Przykłady
'train' 5000
  • Struktura funkcji :
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,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (24,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/action_logstd Napinacz (24,) pływak32
kroki/informacje/środek_działania Napinacz (24,) 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 (45,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_adroit_pen/v1-człowiek

Rozdzielać Przykłady
'train' 25
  • Struktura funkcji :
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,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
kroki Zbiór danych
kroki/działanie Napinacz (24,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/pożądany_kierunek Napinacz (4,) 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 (45,) pływak32
kroki/nagroda Napinacz pływak32

sklonowany d4rl_adroit_pen/v1

Rozdzielać Przykłady
'train' 3755
  • Struktura funkcji :
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,
    }),
})
  • 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 (45, 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 (24,) pływak32
polityka/last_fc/waga Napinacz (256, 24) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/działanie Napinacz (24,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/pożądany_kierunek Napinacz (4,) 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 (45,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_adroit_pen/v1-expert

  • Rozmiar pliku do pobrania : 249.90 MiB

  • Rozmiar zbioru danych : 548.47 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Rozdzielać Przykłady
'train' 5000
  • Struktura funkcji :
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,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
algorytm Napinacz strunowy
polityka FunkcjeDict
polityka/fc0 FunkcjeDict
polityka/fc0/bias Napinacz (64,) pływak32
polityka/fc0/waga Napinacz (64, 45) pływak32
polityka/fc1 FunkcjeDict
polityka/fc1/bias Napinacz (64,) pływak32
polityka/fc1/waga Napinacz (64, 64) pływak32
polityka/last_fc FunkcjeDict
polityka/last_fc/bias Napinacz (24,) pływak32
polityka/last_fc/waga Napinacz (24, 64) pływak32
polityka/last_fc_log_std FunkcjeDict
polityka/last_fc_log_std/bias Napinacz (24,) pływak32
polityka/last_fc_log_std/waga Napinacz (24, 64) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/działanie Napinacz (24,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDict
kroki/informacje/action_log_std Napinacz (24,) pływak32
kroki/informacje/środek_działania Napinacz (24,) pływak32
kroki/informacje/pożądany_kierunek Napinacz (4,) 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 (45,) pływak32
kroki/nagroda Napinacz pływak32