- คำอธิบาย :
D4RL เป็นเกณฑ์มาตรฐานแบบโอเพ่นซอร์สสำหรับการเรียนรู้แบบเสริมกำลังแบบออฟไลน์ โดยจัดเตรียมสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับอัลกอริธึมการฝึกอบรมและการวัดประสิทธิภาพ
ชุดข้อมูลเป็นไปตาม รูปแบบ RLDS เพื่อแสดงขั้นตอนและตอน
คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#antmaze
ซอร์สโค้ด :
tfds.d4rl.d4rl_antmaze.D4rlAntmazeรุ่น :
-
1.0.0: การเปิดตัวครั้งแรก -
1.1.1(ค่าเริ่มต้น): เพิ่มชุดข้อมูล v2
-
แคชอัตโนมัติ ( เอกสาร ): No
โครงสร้างคุณสมบัติ :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(8,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'goal': Tensor(shape=(2,), dtype=float32),
'qpos': Tensor(shape=(15,), dtype=float32),
'qvel': Tensor(shape=(14,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(29,), dtype=float32),
'reward': float32,
}),
})
- เอกสารคุณสมบัติ :
| คุณสมบัติ | ระดับ | รูปร่าง | ประเภทD | คำอธิบาย |
|---|---|---|---|---|
| คุณสมบัติDict | ||||
| ขั้นตอน | ชุดข้อมูล | |||
| ขั้นตอน/การดำเนินการ | เทนเซอร์ | (8,) | ลอย32 | |
| ขั้นตอน/ส่วนลด | เทนเซอร์ | ลอย32 | ||
| ขั้นตอน/ข้อมูล | คุณสมบัติDict | |||
| ขั้นตอน/ข้อมูล/เป้าหมาย | เทนเซอร์ | (2,) | ลอย32 | |
| ขั้นตอน/ข้อมูล/qpos | เทนเซอร์ | (15,) | ลอย32 | |
| ขั้นตอน/ข้อมูล/qvel | เทนเซอร์ | (14,) | ลอย32 | |
| ขั้นตอน/is_first | เทนเซอร์ | บูล | ||
| ขั้นตอน/is_last | เทนเซอร์ | บูล | ||
| ขั้นตอน/is_terminal | เทนเซอร์ | บูล | ||
| ขั้นตอน/การสังเกต | เทนเซอร์ | (29,) | ลอย32 | |
| ขั้นตอน/รางวัล | เทนเซอร์ | ลอย32 |
คีย์ภายใต้การดูแล (ดู
as_superviseddoc ):Noneรูปภาพ ( 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_antmaze/umaze-v0 (การกำหนดค่าเริ่มต้น)
ขนาดดาวน์โหลด :
221.76 MiBขนาดชุดข้อมูล :
274.83 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 10,154 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/umaze-หลากหลาย-v0
ขนาดดาวน์โหลด :
220.16 MiBขนาดชุดข้อมูล :
270.23 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 1,154 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/เล่นปานกลาง-v0
ขนาดดาวน์โหลด :
220.40 MiBขนาดชุดข้อมูล :
275.20 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 10,695 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/ความหลากหลายปานกลาง-v0
ขนาดดาวน์โหลด :
220.39 MiBขนาดชุดข้อมูล :
271.18 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 2,924 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/ขนาดใหญ่-หลากหลาย-v0
ขนาดดาวน์โหลด :
220.47 MiBขนาดชุดข้อมูล :
273.36 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 7,141 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/ขนาดใหญ่-เล่น-v0
ขนาดดาวน์โหลด :
220.19 MiBขนาดชุดข้อมูล :
276.61 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 13,458 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/umaze-v2
ขนาดดาวน์โหลด :
221.76 MiBขนาดชุดข้อมูล :
274.83 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 10,154 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/umaze-หลากหลาย-v2
ขนาดดาวน์โหลด :
220.16 MiBขนาดชุดข้อมูล :
270.20 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 1,036 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/เล่นปานกลาง-v2
ขนาดดาวน์โหลด :
220.40 MiBขนาดชุดข้อมูล :
275.22 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 10,768 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/มีความหลากหลายปานกลาง-v2
ขนาดดาวน์โหลด :
220.39 MiBขนาดชุดข้อมูล :
271.19 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 2,959 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/ขนาดใหญ่-หลากหลาย-v2
ขนาดดาวน์โหลด :
220.47 MiBขนาดชุดข้อมูล :
273.38 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 7,189 |
- ตัวอย่าง ( tfds.as_dataframe ):
d4rl_antmaze/ขนาดใหญ่-เล่น-v2
ขนาดดาวน์โหลด :
220.18 MiBขนาดชุดข้อมูล :
276.63 MiBแยก :
| แยก | ตัวอย่าง |
|---|---|
'train' | 13,517 |
- ตัวอย่าง ( tfds.as_dataframe ):