- Mô tả :
Các bộ dữ liệu được tạo với một tác nhân SAC được đào tạo về phần thưởng môi trường của các nhiệm vụ vận động MuJoCo. Những bộ dữ liệu này được sử dụng trong What Matters for Adversarial Imitation Learning? Orsini et al. 2021 .
Các bộ dữ liệu tuân theo định dạng RLDS để thể hiện các bước và tập.s
Trang chủ : https://github.com/google-research/rlds
Mã nguồn :
tfds.rlds.locomotion.Locomotion
Phiên bản :
-
1.0.0
(mặc định): Bản phát hành đầu tiên.
-
Các khóa được giám sát (Xem
as_supervised
doc ):None
Hình ( tfds.show_examples ): Không được hỗ trợ.
trích dẫn :
@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}
}
đầu máy/ant_sac_1M_single_policy_stochastic (cấu hình mặc định)
Mô tả cấu hình : Tập dữ liệu được tạo bởi một tác nhân SAC được đào tạo cho 1 triệu bước cho Ant.
Kích thước tải xuống :
6.49 MiB
Kích thước tập dữ liệu :
23.02 MiB
Tự động lưu vào bộ đệm ( tài liệu ): Có
Chia tách :
Tách ra | ví dụ |
---|---|
'train' | 50 |
- Cấu trúc tính năng :
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,
}),
})
- Tài liệu tính năng :
Tính năng | Lớp | Hình dạng | Dtype | Sự mô tả |
---|---|---|---|---|
Tính năngDict | ||||
bước | tập dữ liệu | |||
bước/hành động | tenxơ | (số 8,) | phao32 | |
bước/giảm giá | tenxơ | phao32 | ||
các bước/is_first | tenxơ | bool | ||
bước/is_last | tenxơ | bool | ||
bước/is_terminal | tenxơ | bool | ||
các bước/quan sát | tenxơ | (111,) | phao32 | |
bước/phần thưởng | tenxơ | phao32 |
- Ví dụ ( tfds.as_dataframe ):
đầu máy/hopper_sac_1M_single_policy_stochastic
Mô tả cấu hình : Tập dữ liệu được tạo bởi một tác nhân SAC được đào tạo cho 1 triệu bước cho Hopper.
Kích thước tải xuống :
2.26 MiB
Kích thước tập dữ liệu :
2.62 MiB
Tự động lưu vào bộ đệm ( tài liệu ): Có
Chia tách :
Tách ra | ví dụ |
---|---|
'train' | 50 |
- Cấu trúc tính năng :
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,
}),
})
- Tài liệu tính năng :
Tính năng | Lớp | Hình dạng | Dtype | Sự mô tả |
---|---|---|---|---|
Tính năngDict | ||||
bước | tập dữ liệu | |||
bước/hành động | tenxơ | (3,) | phao32 | |
bước/giảm giá | tenxơ | phao32 | ||
các bước/is_first | tenxơ | bool | ||
bước/is_last | tenxơ | bool | ||
bước/is_terminal | tenxơ | bool | ||
các bước/quan sát | tenxơ | (11,) | phao32 | |
bước/phần thưởng | tenxơ | phao32 |
- Ví dụ ( tfds.as_dataframe ):
đầu máy/halfcheetah_sac_1M_single_policy_stochastic
Mô tả cấu hình : Tập dữ liệu được tạo bởi một nhân viên SAC được đào tạo cho 1 triệu bước cho HalfCheetah.
Kích thước tải xuống :
4.49 MiB
Kích thước tập dữ liệu :
4.93 MiB
Tự động lưu vào bộ đệm ( tài liệu ): Có
Chia tách :
Tách ra | ví dụ |
---|---|
'train' | 50 |
- Cấu trúc tính năng :
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,
}),
})
- Tài liệu tính năng :
Tính năng | Lớp | Hình dạng | Dtype | Sự mô tả |
---|---|---|---|---|
Tính năngDict | ||||
bước | tập dữ liệu | |||
bước/hành động | tenxơ | (6,) | phao32 | |
bước/giảm giá | tenxơ | phao32 | ||
các bước/is_first | tenxơ | bool | ||
bước/is_last | tenxơ | bool | ||
bước/is_terminal | tenxơ | bool | ||
các bước/quan sát | tenxơ | (17,) | phao32 | |
bước/phần thưởng | tenxơ | phao32 |
- Ví dụ ( tfds.as_dataframe ):
đầu máy/walker2d_sac_1M_single_policy_stochastic
Mô tả cấu hình : Tập dữ liệu được tạo bởi một tác nhân SAC được đào tạo cho 1 triệu bước cho Walker2d.
Kích thước tải xuống :
4.35 MiB
Kích thước tập dữ liệu :
4.91 MiB
Tự động lưu vào bộ đệm ( tài liệu ): Có
Chia tách :
Tách ra | ví dụ |
---|---|
'train' | 50 |
- Cấu trúc tính năng :
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,
}),
})
- Tài liệu tính năng :
Tính năng | Lớp | Hình dạng | Dtype | Sự mô tả |
---|---|---|---|---|
Tính năngDict | ||||
bước | tập dữ liệu | |||
bước/hành động | tenxơ | (6,) | phao32 | |
bước/giảm giá | tenxơ | phao32 | ||
các bước/is_first | tenxơ | bool | ||
bước/is_last | tenxơ | bool | ||
bước/is_terminal | tenxơ | bool | ||
các bước/quan sát | tenxơ | (17,) | phao32 | |
bước/phần thưởng | tenxơ | phao32 |
- Ví dụ ( tfds.as_dataframe ):
đầu máy/humanoid_sac_15M_single_policy_stochastic
Mô tả cấu hình : Tập dữ liệu được tạo bởi một tác nhân SAC được đào tạo cho 15 triệu bước cho Humanoid.
Kích thước tải xuống :
192.78 MiB
Kích thước tập dữ liệu :
300.94 MiB
Tự động lưu vào bộ nhớ cache ( tài liệu ): Không
Chia tách :
Tách ra | ví dụ |
---|---|
'train' | 200 |
- Cấu trúc tính năng :
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,
}),
})
- Tài liệu tính năng :
Tính năng | Lớp | Hình dạng | Dtype | Sự mô tả |
---|---|---|---|---|
Tính năngDict | ||||
bước | tập dữ liệu | |||
bước/hành động | tenxơ | (17,) | phao32 | |
bước/giảm giá | tenxơ | phao32 | ||
các bước/is_first | tenxơ | bool | ||
bước/is_last | tenxơ | bool | ||
bước/is_terminal | tenxơ | bool | ||
các bước/quan sát | tenxơ | (376,) | phao32 | |
bước/phần thưởng | tenxơ | phao32 |
- Ví dụ ( tfds.as_dataframe ):