d4rl_mujoco_walker2d

• 説明：

D4RL は、オフライン強化学習用のオープンソース 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。

• 追加ドキュメント:コード付きの論文について調べる

• 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-anonymous

• ソースコード: tfds.d4rl.d4rl_mujoco_walker2d.D4rlMujocoWalker2d

• 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): 次の観察を考慮するために更新されました。

• 監視キー( 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_walker2d/v0-expert (デフォルト設定)

• ダウンロードサイズ: 78.41 MiB

• データセットのサイズ: 98.64 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'	1,628

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-medium

• ダウンロードサイズ: 80.83 MiB

• データセットのサイズ: 99.72 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'	5,315

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-medium-expert

• ダウンロードサイズ: 159.24 MiB

• データセットのサイズ: 198.36 MiB

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

• 分割:

スプリット	例
'train'	6,943

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-mixed

• ダウンロードサイズ: 8.42 MiB

• データセットのサイズ: 10.06 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'	501

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v0-ランダム

• ダウンロードサイズ: 78.41 MiB

• データセットのサイズ: 112.04 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'	50,988

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-expert

• ダウンロードサイズ: 143.06 MiB

• データセットのサイズ: 452.72 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'	1,003

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-medium

• ダウンロードサイズ: 144.23 MiB

• データセットのサイズ: 510.08 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'	1,207

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-medium-expert

• ダウンロードサイズ: 286.69 MiB

• データセットのサイズ: 342.46 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'	2,209

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-medium-replay

• ダウンロードサイズ: 84.37 MiB

• データセットのサイズ: 52.10 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'	1,093

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float64
歩数/割引	テンソル		float64
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float64
歩数/報酬	テンソル		float64

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-フル-リプレイ

• ダウンロードサイズ: 278.95 MiB

• データセットのサイズ: 171.66 MiB

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

• 分割:

スプリット	例
'train'	1,888

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float64
歩数/割引	テンソル		float64
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float64
歩数/報酬	テンソル		float64

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v1-ランダ​​ム

• ダウンロードサイズ: 132.36 MiB

• データセットのサイズ: 192.06 MiB

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

• 分割:

スプリット	例
'train'	48,790

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-expert

• ダウンロードサイズ: 219.89 MiB

• データセットのサイズ: 452.16 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'	1,001

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-フル-リプレイ

• ダウンロードサイズ: 271.91 MiB

• データセットのサイズ: 171.66 MiB

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

• 分割:

スプリット	例
'train'	1,888

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-medium

• ダウンロードサイズ: 221.50 MiB

• データセットのサイズ: 505.58 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'	1,191

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-medium-expert

• ダウンロードサイズ: 440.79 MiB

• データセットのサイズ: 342.45 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'	2,191

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-medium-replay

• ダウンロードサイズ: 82.32 MiB

• データセットのサイズ: 52.10 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'	1,093

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_walker2d/v2-ランダム

• ダウンロードサイズ: 206.10 MiB

• データセットのサイズ: 192.11 MiB

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

• 分割:

スプリット	例
'train'	48,908

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):