d4rl_mujoco_halfcheetah

  • 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.

@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_mujoco_halfcheetah/v0-expert (configuración predeterminada)

  • Tamaño de la descarga : 83.44 MiB

  • Tamaño del conjunto de datos : 98.43 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'train' 1,002
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v0-medium

  • Tamaño de la descarga : 82.92 MiB

  • Tamaño del conjunto de datos : 98.43 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'train' 1,002
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v0-medio-experto

  • Tamaño de la descarga : 166.36 MiB

  • Tamaño del conjunto de datos : 196.86 MiB

  • Auto-caché ( documentación ): Solo cuando shuffle_files=False (tren)

  • Divisiones :

Separar Ejemplos
'train' 2,004
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v0-mixto

  • Tamaño de descarga : 8.60 MiB

  • Tamaño del conjunto de datos : 9.94 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'train' 101
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v0-aleatorio

  • Tamaño de la descarga : 84.79 MiB

  • Tamaño del conjunto de datos : 98.43 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'train' 1,002
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v1-experto

  • Tamaño de la descarga : 146.94 MiB

  • Tamaño del conjunto de datos : 451.88 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
política CaracterísticasDict
política/fc0 CaracterísticasDict
política/fc0/sesgo Tensor (256,) flotar32
política/fc0/peso Tensor (256, 17) 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 (6,) flotar32
política/last_fc/peso Tensor (6, 256) flotar32
política/last_fc_log_std CaracterísticasDict
política/last_fc_log_std/sesgo Tensor (6,) flotar32
política/last_fc_log_std/peso Tensor (6, 256) flotar32
política/no linealidad Tensor cuerda
política/distribución_de_salida Tensor cuerda
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar32
pasos/información/qpos Tensor (9,) flotar32
pasos/información/qvel Tensor (9,) flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v1-medium

  • Tamaño de la descarga : 146.65 MiB

  • Tamaño del conjunto de datos : 451.88 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
política CaracterísticasDict
política/fc0 CaracterísticasDict
política/fc0/sesgo Tensor (256,) flotar32
política/fc0/peso Tensor (256, 17) 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 (6,) flotar32
política/last_fc/peso Tensor (6, 256) flotar32
política/last_fc_log_std CaracterísticasDict
política/last_fc_log_std/sesgo Tensor (6,) flotar32
política/last_fc_log_std/peso Tensor (6, 256) flotar32
política/no linealidad Tensor cuerda
política/distribución_de_salida Tensor cuerda
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar32
pasos/información/qpos Tensor (9,) flotar32
pasos/información/qvel Tensor (9,) flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v1-medio-experto

  • Tamaño de descarga : 293.00 MiB

  • Tamaño del conjunto de datos : 342.37 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'train' 2,000
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar32
pasos/información/qpos Tensor (9,) flotar32
pasos/información/qvel Tensor (9,) flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v1-medium-replay

  • Tamaño de la descarga : 57.68 MiB

  • Tamaño del conjunto de datos : 34.59 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'train' 202
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
pasos conjunto de datos
pasos/acción Tensor (6,) flotar64
pasos/descuento Tensor flotar64
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar64
pasos/recompensa Tensor flotar64

d4rl_mujoco_halfcheetah/v1-full-replay

  • Tamaño de descarga : 285.01 MiB

  • Tamaño del conjunto de datos : 171.22 MiB

  • Auto-caché ( documentación ): Solo cuando shuffle_files=False (tren)

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
pasos conjunto de datos
pasos/acción Tensor (6,) flotar64
pasos/descuento Tensor flotar64
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar64
pasos/recompensa Tensor flotar64

d4rl_mujoco_halfcheetah/v1-aleatorio

  • Tamaño de la descarga : 145.19 MiB

  • Tamaño del conjunto de datos : 171.18 MiB

  • Auto-caché ( documentación ): Solo cuando shuffle_files=False (tren)

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar32
pasos/información/qpos Tensor (9,) flotar32
pasos/información/qvel Tensor (9,) flotar32
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v2-experto

  • Tamaño de la descarga : 226.46 MiB

  • Tamaño del conjunto de datos : 451.88 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
política CaracterísticasDict
política/fc0 CaracterísticasDict
política/fc0/sesgo Tensor (256,) flotar32
política/fc0/peso Tensor (256, 17) 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 (6,) flotar32
política/last_fc/peso Tensor (6, 256) flotar32
política/last_fc_log_std CaracterísticasDict
política/last_fc_log_std/sesgo Tensor (6,) flotar32
política/last_fc_log_std/peso Tensor (6, 256) flotar32
política/no linealidad Tensor cuerda
política/distribución_de_salida Tensor cuerda
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v2-full-replay

  • Tamaño de la descarga : 277.88 MiB

  • Tamaño del conjunto de datos : 171.22 MiB

  • Auto-caché ( documentación ): Solo cuando shuffle_files=False (tren)

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v2-medium

  • Tamaño de la descarga : 226.71 MiB

  • Tamaño del conjunto de datos : 451.88 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
política CaracterísticasDict
política/fc0 CaracterísticasDict
política/fc0/sesgo Tensor (256,) flotar32
política/fc0/peso Tensor (256, 17) 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 (6,) flotar32
política/last_fc/peso Tensor (6, 256) flotar32
política/last_fc_log_std CaracterísticasDict
política/last_fc_log_std/sesgo Tensor (6,) flotar32
política/last_fc_log_std/peso Tensor (6, 256) flotar32
política/no linealidad Tensor cuerda
política/distribución_de_salida Tensor cuerda
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v2-medio-experto

  • Tamaño de la descarga : 452.58 MiB

  • Tamaño del conjunto de datos : 342.37 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Divisiones :

Separar Ejemplos
'train' 2,000
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v2-medium-replay

  • Tamaño de la descarga : 56.69 MiB

  • Tamaño del conjunto de datos : 34.59 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Divisiones :

Separar Ejemplos
'train' 202
  • Estructura de características :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
algoritmo Tensor cuerda
iteración Tensor int32
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32

d4rl_mujoco_halfcheetah/v2-aleatorio

  • Tamaño de la descarga : 226.34 MiB

  • Tamaño del conjunto de datos : 171.18 MiB

  • Auto-caché ( documentación ): Solo cuando shuffle_files=False (tren)

  • Divisiones :

Separar Ejemplos
'train' 1,000
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
pasos conjunto de datos
pasos/acción Tensor (6,) flotar32
pasos/descuento Tensor flotar32
pasos/información CaracterísticasDict
pasos/infos/action_log_probs Tensor flotar64
pasos/información/qpos Tensor (9,) flotar64
pasos/información/qvel Tensor (9,) flotar64
pasos/es_primero Tensor bool
pasos/es_último Tensor bool
pasos/es_terminal Tensor bool
pasos/observación Tensor (17,) flotar32
pasos/recompensa Tensor flotar32