TFDS รองรับ รูปแบบ Croissant 🥐 แล้ว! อ่าน เอกสาร เพื่อทราบข้อมูลเพิ่มเติม

หน้านี้ได้รับการแปลโดย Cloud Translation API

d4rl_adroit_relocate

คำอธิบาย :

D4RL เป็นเกณฑ์มาตรฐานแบบโอเพ่นซอร์สสำหรับการเรียนรู้แบบเสริมกำลังแบบออฟไลน์ โดยจัดเตรียมสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับอัลกอริธึมการฝึกอบรมและการวัดประสิทธิภาพ

ชุดข้อมูลเป็นไปตาม รูปแบบ RLDS เพื่อแสดงขั้นตอนและตอน

คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
หน้าแรก : https://sites.google.com/view/d4rl-anonymous
รหัสที่มา : tfds.d4rl.d4rl_adroit_relocate.D4rlAdroitRelocate
รุ่น :
- 1.0.0 : การเปิดตัวครั้งแรก
- 1.1.0 (ค่าเริ่มต้น): เพิ่ม is_last
คีย์ภายใต้การดูแล (ดู as_supervised doc ): None
รูปภาพ ( tfds.show_examples ): ไม่รองรับ
การอ้างอิง :

@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_relocate/v0-human (การกำหนดค่าเริ่มต้น)

ขนาดดาวน์โหลด : 4.87 MiB
ขนาดชุดข้อมูล : 5.48 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	60

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(36,), dtype=float32),
            'qvel': Tensor(shape=(36,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(39,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_relocate/v0-โคลน

ขนาดการดาวน์โหลด : 647.11 MiB
ขนาดชุดข้อมูล : 550.50 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,519

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(36,), dtype=float64),
            'qvel': Tensor(shape=(36,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float64),
        'reward': float64,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(36,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(36,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(39,)	ลอย64
ขั้นตอน/รางวัล	เทนเซอร์		ลอย64

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_relocate/v0-ผู้เชี่ยวชาญ

ขนาดดาวน์โหลด : 581.53 MiB
ขนาดชุดข้อมูล : 778.97 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,000

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(30,), dtype=float32),
            'action_mean': Tensor(shape=(30,), dtype=float32),
            'qpos': Tensor(shape=(36,), dtype=float32),
            'qvel': Tensor(shape=(36,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_logstd	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/action_mean	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(39,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_relocate/v1-มนุษย์

ขนาดดาวน์โหลด : 5.92 MiB
ขนาดชุดข้อมูล : 6.94 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	25

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'hand_qpos': Tensor(shape=(30,), dtype=float32),
            'obj_pos': Tensor(shape=(3,), dtype=float32),
            'palm_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(36,), dtype=float32),
            'qvel': Tensor(shape=(36,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/hand_qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/obj_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/ข้อมูล/palm_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/target_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(39,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_relocate/v1-โคลน

ขนาดดาวน์โหลด : 554.39 MiB
ขนาดชุดข้อมูล : 1.86 GiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	3,758

โครงสร้างคุณสมบัติ :

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=(30,), dtype=float32),
            'weight': Tensor(shape=(256, 30), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'hand_qpos': Tensor(shape=(30,), dtype=float32),
            'obj_pos': Tensor(shape=(3,), dtype=float32),
            'palm_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(36,), dtype=float32),
            'qvel': Tensor(shape=(36,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(39, 256)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(256, 256)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(30,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(256, 30)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/hand_qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/obj_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/ข้อมูล/palm_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/target_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(39,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_relocate/v1-ผู้เชี่ยวชาญ

ขนาดดาวน์โหลด : 682.47 MiB
ขนาดชุดข้อมูล : 1012.49 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,000

โครงสร้างคุณสมบัติ :

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=(30,), dtype=float32),
            'weight': Tensor(shape=(30, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(30,), dtype=float32),
            'weight': Tensor(shape=(30, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(30,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(30,), dtype=float32),
            'action_mean': Tensor(shape=(30,), dtype=float32),
            'hand_qpos': Tensor(shape=(30,), dtype=float32),
            'obj_pos': Tensor(shape=(3,), dtype=float32),
            'palm_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(36,), dtype=float32),
            'qvel': Tensor(shape=(36,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(32,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(32, 39)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(32,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(32, 32)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(30,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(30, 32)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(30,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(30, 32)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_std	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/action_mean	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/hand_qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/obj_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/ข้อมูล/palm_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(36,)	ลอย32
ขั้นตอน/ข้อมูล/target_pos	เทนเซอร์	(3,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(39,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):