передвижение

Описание :

Наборы данных были созданы с помощью агента SAC, обученного работе с окружающей средой в задачах передвижения MuJoCo. Эти наборы данных используются в разделе «Что важно для состязательного имитационного обучения?» Орсини и др. 2021 .

Наборы данных соответствуют формату RLDS для представления шагов и эпизодов.

Домашняя страница : https://github.com/google-research/rlds
Исходный код : tfds.rlds.locomotion.Locomotion
Версии :
- 1.0.0 (по умолчанию): Первоначальный выпуск.
Ключи под наблюдением (см . документ as_supervised ): None
Рисунок ( tfds.show_examples ): не поддерживается.
Цитата :

@article{orsini2021matters,
  title={What Matters for Adversarial Imitation Learning?},
  author={Orsini, Manu and Raichuk, Anton and Hussenot, L{'e}onard and Vincent, Damien and Dadashi, Robert and Girgin, Sertan and Geist, Matthieu and Bachem, Olivier and Pietquin, Olivier and Andrychowicz, Marcin},
  journal={International Conference in Machine Learning},
  year={2021}
}

locomotion/ant_sac_1M_single_policy_stochastic (конфигурация по умолчанию)

Описание конфигурации : набор данных, созданный агентом SAC, обученным шагам 1M для Ant.
Размер загрузки : 6.49 MiB
Размер набора данных : 23.02 MiB .
Автоматическое кэширование ( документация ): Да
Сплиты :

Расколоть	Примеры
`'train'`	50

Структура функции :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

Документация по функциям :

Особенность	Учебный класс	Форма	Dтип
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(8,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(111,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

передвижение/hopper_sac_1M_single_policy_stochastic

Описание конфигурации : набор данных, созданный агентом SAC, обученным шагам 1M для Hopper.
Размер загрузки : 2.26 MiB
Размер набора данных : 2.62 MiB .
Автоматическое кэширование ( документация ): Да
Сплиты :

Расколоть	Примеры
`'train'`	50

Структура функции :

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

Документация по функциям :

Особенность	Учебный класс	Форма	Dтип
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

передвижение/halfcheetah_sac_1M_single_policy_stochastic

Описание конфигурации : набор данных, созданный агентом SAC, обученным шагам 1M для HalfCheetah.
Размер загрузки : 4.49 MiB
Размер набора данных : 4.93 MiB .
Автоматическое кэширование ( документация ): Да
Сплиты :

Расколоть	Примеры
`'train'`	50

Структура функции :

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,
    }),
})

Документация по функциям :

Особенность	Учебный класс	Форма	Dтип
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(6,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(17,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

передвижение/ходок2d_sac_1M_single_policy_stochastic

Описание конфигурации : набор данных, созданный агентом SAC, обученным шагам 1M для Walker2d.
Размер загрузки : 4.35 MiB
Размер набора данных : 4.91 MiB .
Автоматическое кэширование ( документация ): Да
Сплиты :

Расколоть	Примеры
`'train'`	50

Структура функции :

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,
    }),
})

Документация по функциям :

Особенность	Учебный класс	Форма	Dтип
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(6,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(17,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

передвижение/humanoid_sac_15M_single_policy_stochastic

Описание конфигурации : набор данных, сгенерированный агентом SAC, обученным 15 млн шагов для гуманоида.
Размер загрузки : 192.78 MiB
Размер набора данных : 300.94 MiB .
Автоматическое кэширование ( документация ): Нет
Сплиты :

Расколоть	Примеры
`'train'`	200

Структура функции :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(17,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(376,), dtype=float32),
        'reward': float32,
    }),
})

Документация по функциям :

Особенность	Учебный класс	Форма	Dтип
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(17,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(376,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):