Conozca lo último en aprendizaje automático, IA generativa y más en el Simposio WiML 2023.

Se usó la API de Cloud Translation para traducir esta página.

d4rl_adroit_reubicar

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.

Descripción de la configuración : vea más detalles sobre la tarea y sus versiones en https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
Página de inicio: https://sites.google.com/view/d4rl/home
Código fuente : tfds.d4rl.d4rl_adroit_relocate.D4rlAdroitRelocate
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_relocate/v0-human (configuración predeterminada)

Tamaño de la descarga : 4.87 MiB
Tamaño del conjunto de datos : 5.48 MiB
Almacenamiento automático en caché ( documentación ): Sí
Divisiones :

Separar	Ejemplos
`'train'`	60

Estructura de características :

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,
    }),
})

Documentación de características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(30,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/qpos	Tensor	(36,)	flotar32
pasos/información/qvel	Tensor	(36,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(39,)	flotar32
pasos/recompensa	Tensor		flotar32

Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_relocate/v0-clonado

Tamaño de la descarga : 647.11 MiB
Tamaño del conjunto de datos : 550.50 MiB
Almacenamiento automático en caché ( documentación ): No
Divisiones :

Separar	Ejemplos
`'train'`	5,519

Estructura de características :

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,
    }),
})

Documentación de características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(30,)	flotar32
pasos/descuento	Tensor		flotar64
pasos/información	CaracterísticasDict
pasos/información/qpos	Tensor	(36,)	flotar64
pasos/información/qvel	Tensor	(36,)	flotar64
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(39,)	flotar64
pasos/recompensa	Tensor		flotar64

Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_relocate/v0-expert

Tamaño de la descarga : 581.53 MiB
Tamaño del conjunto de datos : 778.97 MiB
Almacenamiento automático en caché ( documentación ): No
Divisiones :

Separar	Ejemplos
`'train'`	5,000

Estructura de características :

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,
    }),
})

Documentación de características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(30,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/acción_logstd	Tensor	(30,)	flotar32
pasos/información/action_mean	Tensor	(30,)	flotar32
pasos/información/qpos	Tensor	(36,)	flotar32
pasos/información/qvel	Tensor	(36,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(39,)	flotar32
pasos/recompensa	Tensor		flotar32

Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_relocate/v1-humano

Tamaño de la descarga : 5.92 MiB
Tamaño del conjunto de datos : 6.94 MiB
Almacenamiento automático en caché ( documentación ): Sí
Divisiones :

Separar	Ejemplos
`'train'`	25

Estructura de características :

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,
    }),
})

Documentación de características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
pasos	conjunto de datos
pasos/acción	Tensor	(30,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/hand_qpos	Tensor	(30,)	flotar32
pasos/información/obj_pos	Tensor	(3,)	flotar32
pasos/información/palm_pos	Tensor	(3,)	flotar32
pasos/información/qpos	Tensor	(36,)	flotar32
pasos/información/qvel	Tensor	(36,)	flotar32
pasos/información/target_pos	Tensor	(3,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(39,)	flotar32
pasos/recompensa	Tensor		flotar32

Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_relocate/v1-clonado

Tamaño de la descarga : 554.39 MiB
Tamaño del conjunto de datos : 1.86 GiB
Almacenamiento automático en caché ( documentación ): No
Divisiones :

Separar	Ejemplos
`'train'`	3,758

Estructura de características :

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,
    }),
})

Documentación de características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
algoritmo	Tensor		cuerda
política	CaracterísticasDict
política/fc0	CaracterísticasDict
política/fc0/sesgo	Tensor	(256,)	flotar32
política/fc0/peso	Tensor	(39, 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	(30,)	flotar32
política/last_fc/peso	Tensor	(256, 30)	flotar32
política/no linealidad	Tensor		cuerda
política/distribución_de_salida	Tensor		cuerda
pasos	conjunto de datos
pasos/acción	Tensor	(30,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/información/hand_qpos	Tensor	(30,)	flotar32
pasos/información/obj_pos	Tensor	(3,)	flotar32
pasos/información/palm_pos	Tensor	(3,)	flotar32
pasos/información/qpos	Tensor	(36,)	flotar32
pasos/información/qvel	Tensor	(36,)	flotar32
pasos/información/target_pos	Tensor	(3,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(39,)	flotar32
pasos/recompensa	Tensor		flotar32

Ejemplos ( tfds.as_dataframe ):

d4rl_adroit_relocate/v1-experto

Tamaño de la descarga : 682.47 MiB
Tamaño del conjunto de datos : 1012.49 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=(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,
    }),
})

Documentación de características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
algoritmo	Tensor		cuerda
política	CaracterísticasDict
política/fc0	CaracterísticasDict
política/fc0/sesgo	Tensor	(32,)	flotar32
política/fc0/peso	Tensor	(32, 39)	flotar32
política/fc1	CaracterísticasDict
política/fc1/sesgo	Tensor	(32,)	flotar32
política/fc1/peso	Tensor	(32, 32)	flotar32
política/last_fc	CaracterísticasDict
política/last_fc/sesgo	Tensor	(30,)	flotar32
política/last_fc/peso	Tensor	(30, 32)	flotar32
política/last_fc_log_std	CaracterísticasDict
política/last_fc_log_std/sesgo	Tensor	(30,)	flotar32
política/last_fc_log_std/peso	Tensor	(30, 32)	flotar32
política/no linealidad	Tensor		cuerda
política/distribución_de_salida	Tensor		cuerda
pasos	conjunto de datos
pasos/acción	Tensor	(30,)	flotar32
pasos/descuento	Tensor		flotar32
pasos/información	CaracterísticasDict
pasos/infos/action_log_std	Tensor	(30,)	flotar32
pasos/información/action_mean	Tensor	(30,)	flotar32
pasos/información/hand_qpos	Tensor	(30,)	flotar32
pasos/información/obj_pos	Tensor	(3,)	flotar32
pasos/información/palm_pos	Tensor	(3,)	flotar32
pasos/información/qpos	Tensor	(36,)	flotar32
pasos/información/qvel	Tensor	(36,)	flotar32
pasos/información/target_pos	Tensor	(3,)	flotar32
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	Tensor	(39,)	flotar32
pasos/recompensa	Tensor		flotar32

Ejemplos ( tfds.as_dataframe ):