d4rl_mujoco_hopper

• 説明：

D4RLは、オフライン強化学習のためのオープンソースベンチマークです。トレーニングおよびベンチマークアルゴリズム用の標準化された環境とデータセットを提供します。

データセットはRLDS形式に従って、ステップとエピソードを表します。

• 構成の説明：タスクとそのバージョンの詳細については、 https：//github.com/rail-berkeley/d4rl/wiki/Tasks#gymを参照してください。

• ホームページ： https ：//sites.google.com/view/d4rl/home

• ソースコード： tfds.d4rl.d4rl_mujoco_hopper.D4rlMujocoHopper

• バージョン：

  • 1.0.0 ：初期リリース。
  • 1.1.0 ：is_lastを追加しました。
  • 1.2.0 （デフォルト）：次の観測を考慮に入れるように更新されました。

• 監視対象キー（ as_supervised docを参照）： None

• 図（ tfds.show_examples ）：サポートされていません。

• 引用：

@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_hopper / v0-エキスパート（デフォルトの構成）

• ダウンロードサイズ： 51.56 MiB

• データセットサイズ： 64.10 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	1,029

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v0-中

• ダウンロードサイズ： 51.74 MiB

• データセットサイズ： 64.68 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	3,064

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v0-中程度の専門家

• ダウンロードサイズ： 62.01 MiB

• データセットサイズ： 77.25 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	2,277

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v0-混合

• ダウンロードサイズ： 10.48 MiB

• データセットサイズ： 13.15 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	1,250

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v0-ランダム

• ダウンロードサイズ： 51.83 MiB

• データセットサイズ： 66.06 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	8,793

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v1-エキスパート

• ダウンロードサイズ： 93.19 MiB

• データセットサイズ： 608.03 MiB

• 自動キャッシュ（ドキュメント）：いいえ

• 分割：

スプリット	例
'train'	1,836

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
ポリシー	FeaturesDict
policy / fc0	FeaturesDict
policy / fc0 /bias	テンソル	（256、）	tf.float32
policy / fc0 / weight	テンソル	（256、11）	tf.float32
ポリシー/fc1	FeaturesDict
policy / fc1 / bias	テンソル	（256、）	tf.float32
policy / fc1 / weight	テンソル	（256、256）	tf.float32
policy / last_fc	FeaturesDict
policy / last_fc / bias	テンソル	（3、）	tf.float32
policy / last_fc / weight	テンソル	（3、256）	tf.float32
policy / last_fc_log_std	FeaturesDict
policy / last_fc_log_std / bias	テンソル	（3、）	tf.float32
policy / last_fc_log_std / weight	テンソル	（3、256）	tf.float32
ポリシー/非線形性	テンソル		tf.string
policy / output_distribution	テンソル		tf.string
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float32
ステップ/情報/qpos	テンソル	（6、）	tf.float32
ステップ/情報/qvel	テンソル	（6、）	tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper / v1-medium

• ダウンロードサイズ： 92.03 MiB

• データセットサイズ： 1.78 GiB

• 自動キャッシュ（ドキュメント）：いいえ

• 分割：

スプリット	例
'train'	6,328

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
ポリシー	FeaturesDict
policy / fc0	FeaturesDict
policy / fc0 /bias	テンソル	（256、）	tf.float32
policy / fc0 / weight	テンソル	（256、11）	tf.float32
ポリシー/fc1	FeaturesDict
policy / fc1 / bias	テンソル	（256、）	tf.float32
policy / fc1 / weight	テンソル	（256、256）	tf.float32
policy / last_fc	FeaturesDict
policy / last_fc / bias	テンソル	（3、）	tf.float32
policy / last_fc / weight	テンソル	（3、256）	tf.float32
policy / last_fc_log_std	FeaturesDict
policy / last_fc_log_std / bias	テンソル	（3、）	tf.float32
policy / last_fc_log_std / weight	テンソル	（3、256）	tf.float32
ポリシー/非線形性	テンソル		tf.string
policy / output_distribution	テンソル		tf.string
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float32
ステップ/情報/qpos	テンソル	（6、）	tf.float32
ステップ/情報/qvel	テンソル	（6、）	tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v1-中程度の専門家

• ダウンロードサイズ： 184.59 MiB

• データセットサイズ： 230.24 MiB

• 自動キャッシュ（ドキュメント）： shuffle_files=False （train）の場合のみ

• 分割：

スプリット	例
'train'	8,163

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float32
ステップ/情報/qpos	テンソル	（6、）	tf.float32
ステップ/情報/qvel	テンソル	（6、）	tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v1-中程度の再生

• ダウンロードサイズ： 55.65 MiB

• データセットサイズ： 34.78 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	1,151

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float64),
        'discount': tf.float64,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float64),
        'reward': tf.float64,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float64
ステップ/割引	テンソル		tf.float64
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float64
ステップ/報酬	テンソル		tf.float64

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v1-フルリプレイ

• ダウンロードサイズ： 183.32 MiB

• データセットサイズ： 114.78 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	2,907

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float64),
        'discount': tf.float64,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float64),
        'reward': tf.float64,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float64
ステップ/割引	テンソル		tf.float64
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float64
ステップ/報酬	テンソル		tf.float64

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v1-ランダ​​ム

• ダウンロードサイズ： 91.11 MiB

• データセットサイズ： 130.73 MiB

• 自動キャッシュ（ドキュメント）： shuffle_files=False （train）の場合のみ

• 分割：

スプリット	例
'train'	45,265

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float32
ステップ/情報/qpos	テンソル	（6、）	tf.float32
ステップ/情報/qvel	テンソル	（6、）	tf.float32
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v2-エキスパート

• ダウンロードサイズ： 145.37 MiB

• データセットサイズ： 390.40 MiB

• 自動キャッシュ（ドキュメント）：いいえ

• 分割：

スプリット	例
'train'	1,028

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
ポリシー	FeaturesDict
policy / fc0	FeaturesDict
policy / fc0 /bias	テンソル	（256、）	tf.float32
policy / fc0 / weight	テンソル	（256、11）	tf.float32
ポリシー/fc1	FeaturesDict
policy / fc1 / bias	テンソル	（256、）	tf.float32
policy / fc1 / weight	テンソル	（256、256）	tf.float32
policy / last_fc	FeaturesDict
policy / last_fc / bias	テンソル	（3、）	tf.float32
policy / last_fc / weight	テンソル	（3、256）	tf.float32
policy / last_fc_log_std	FeaturesDict
policy / last_fc_log_std / bias	テンソル	（3、）	tf.float32
policy / last_fc_log_std / weight	テンソル	（3、256）	tf.float32
ポリシー/非線形性	テンソル		tf.string
policy / output_distribution	テンソル		tf.string
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v2-フルリプレイ

• ダウンロードサイズ： 179.29 MiB

• データセットサイズ： 115.04 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	3,515

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper / v2-medium

• ダウンロードサイズ： 145.68 MiB

• データセットサイズ： 702.57 MiB

• 自動キャッシュ（ドキュメント）：いいえ

• 分割：

スプリット	例
'train'	2,187

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
ポリシー	FeaturesDict
policy / fc0	FeaturesDict
policy / fc0 /bias	テンソル	（256、）	tf.float32
policy / fc0 / weight	テンソル	（256、11）	tf.float32
ポリシー/fc1	FeaturesDict
policy / fc1 / bias	テンソル	（256、）	tf.float32
policy / fc1 / weight	テンソル	（256、256）	tf.float32
policy / last_fc	FeaturesDict
policy / last_fc / bias	テンソル	（3、）	tf.float32
policy / last_fc / weight	テンソル	（3、256）	tf.float32
policy / last_fc_log_std	FeaturesDict
policy / last_fc_log_std / bias	テンソル	（3、）	tf.float32
policy / last_fc_log_std / weight	テンソル	（3、256）	tf.float32
ポリシー/非線形性	テンソル		tf.string
policy / output_distribution	テンソル		tf.string
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v2-中程度の専門家

• ダウンロードサイズ： 290.43 MiB

• データセットサイズ： 228.28 MiB

• 自動キャッシュ（ドキュメント）： shuffle_files=False （train）の場合のみ

• 分割：

スプリット	例
'train'	3,214

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v2-中程度の再生

• ダウンロードサイズ： 72.34 MiB

• データセットサイズ： 46.51 MiB

• 自動キャッシュ（ドキュメント）：はい

• 分割：

スプリット	例
'train'	2,041

• 機能構造：

FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
アルゴリズム	テンソル		tf.string
反復	テンソル		tf.int32
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：

d4rl_mujoco_hopper/v2-ランダム

• ダウンロードサイズ： 145.46 MiB

• データセットサイズ： 130.72 MiB

• 自動キャッシュ（ドキュメント）： shuffle_files=False （train）の場合のみ

• 分割：

スプリット	例
'train'	45,240

• 機能構造：

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})

• 機能ドキュメント：

特徴	クラス	形	Dtype	説明
	FeaturesDict
手順	データセット
ステップ/アクション	テンソル	（3、）	tf.float32
ステップ/割引	テンソル		tf.float32
ステップ/情報	FeaturesDict
ステップ/情報/action_log_probs	テンソル		tf.float64
ステップ/情報/qpos	テンソル	（6、）	tf.float64
ステップ/情報/qvel	テンソル	（6、）	tf.float64
ステップ/is_first	テンソル		tf.bool
ステップ/is_last	テンソル		tf.bool
ステップ/is_terminal	テンソル		tf.bool
ステップ/観察	テンソル	（11、）	tf.float32
ステップ/報酬	テンソル		tf.float32

• 例（ tfds.as_dataframe ）：