TFDS artık Kruvasan 🥐 formatını destekliyor! Daha fazlasını öğrenmek için belgeleri okuyun.

Bu sayfa, Cloud Translation API ile çevrilmiştir.

rlu_locomotion

Açıklama :

RL Unplugged, çevrimdışı pekiştirmeli öğrenim için karşılaştırmalı değerlendirmeler paketidir. RL Unplugged, aşağıdaki hususlar etrafında tasarlanmıştır: kullanım kolaylığını kolaylaştırmak için, veri kümelerine, genel bir ardışık düzen oluşturulduktan sonra uygulayıcının paketteki tüm verilerle çalışmasını kolaylaştıran birleşik bir API sağlıyoruz.

Veri kümeleri, adımları ve bölümleri temsil etmek için RLDS biçimini izler.

Bu görevler, CMU Humanoid'i içeren koridor hareket görevlerinden oluşur; bunun için önceki çabalar ya hareket yakalama verilerini Merel ve ark., 2019a , Merel ve ark., 2019b veya sıfırdan eğitim Song ve ark., 2020 kullanmıştır. Ek olarak, DM Locomotion deposu, sanal bir kemirgen Merel ve diğerleri, 2020'ye uyacak şekilde uyarlanmış bir dizi görev içerir. DM Locomotion görevlerinin, zorlu yüksek DoF sürekli kontrolün yanı sıra zengin benmerkezci gözlemlerden elde edilen algının bir kombinasyonunu içerdiğini vurguluyoruz. Veri kümesinin nasıl oluşturulduğuna ilişkin ayrıntılar için lütfen makaleye bakın.

Sürekli eylem alanına sahip çok zorlu çevrimdışı RL veri kümesiyle ilgileniyorsanız, DeepMind Locomotion veri kümesinde çevrimdışı RL yöntemlerini denemenizi öneririz.

Ana sayfa : https://github.com/deepmind/deepmind-research/tree/master/rl_unplugged
Kaynak kodu : tfds.rl_unplugged.rlu_locomotion.RluLocomotion
sürümler :
- 1.0.0 (varsayılan): İlk sürüm.
İndirme boyutu : Unknown size
Otomatik önbelleğe alınmış ( belgeleme ): Hayır
Denetlenen anahtarlar (Bkz as_supervised doc ): None
Şekil ( tfds.show_examples ): Desteklenmiyor.
Alıntı :

@inproceedings{gulcehre2020rl,
 title = {RL Unplugged: A Suite of Benchmarks for Offline Reinforcement Learning},
 author = {Gulcehre, Caglar and Wang, Ziyu and Novikov, Alexander and Paine, Thomas and G'{o}mez, Sergio and Zolna, Konrad and Agarwal, Rishabh and Merel, Josh S and Mankowitz, Daniel J and Paduraru, Cosmin and Dulac-Arnold, Gabriel and Li, Jerry and Norouzi, Mohammad and Hoffman, Matthew and Heess, Nicolas and de Freitas, Nando},
 booktitle = {Advances in Neural Information Processing Systems},
 pages = {7248--7259},
 volume = {33},
 year = {2020}
}

rlu_locomotion/humanoid_corridor (varsayılan yapılandırma)

Veri kümesi boyutu : 1.88 GiB
bölmeler :

Bölmek	örnekler
`'train'`	4.000

Özellik yapısı :

FeaturesDict({
    'episode_id': int64,
    'steps': Dataset({
        'action': Tensor(shape=(56,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'walker': FeaturesDict({
                'body_height': Tensor(shape=(1,), dtype=float32),
                'egocentric_camera': Image(shape=(64, 64, 3), dtype=uint8),
                'end_effectors_pos': Tensor(shape=(12,), dtype=float32),
                'joints_pos': Tensor(shape=(56,), dtype=float32),
                'joints_vel': Tensor(shape=(56,), dtype=float32),
                'sensors_accelerometer': Tensor(shape=(3,), dtype=float32),
                'sensors_gyro': Tensor(shape=(3,), dtype=float32),
                'sensors_velocimeter': Tensor(shape=(3,), dtype=float32),
                'world_zaxis': Tensor(shape=(3,), dtype=float32),
            }),
        }),
        'reward': float32,
    }),
    'timestamp': int64,
})

Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi
	ÖzelliklerDict
bölüm_kimliği	tensör		int64
adımlar	veri kümesi
adımlar/eylem	tensör	(56,)	şamandıra32
adımlar/indirim	tensör		şamandıra32
adımlar/ilk_ilk	tensör		bool
adımlar/is_last	tensör		bool
adımlar/is_terminali	tensör		bool
adımlar/gözlem	ÖzelliklerDict
adımlar/gözlem/yürüteç	ÖzelliklerDict
adımlar/gözlem/yürüteç/body_height	tensör	(1,)	şamandıra32
adımlar/gözlem/yürüteç/egocentric_camera	resim	(64, 64, 3)	uint8
adımlar/gözlem/yürüteç/end_effectors_pos	tensör	(12,)	şamandıra32
adımlar/gözlem/yürüteç/joints_pos	tensör	(56,)	şamandıra32
adımlar/gözlem/yürüteç/joints_vel	tensör	(56,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_accelerometer	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_gyro	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_velocimeter	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/world_zaxis	tensör	(3,)	şamandıra32
adımlar/ödül	tensör		şamandıra32
zaman damgası	tensör		int64

Örnekler ( tfds.as_dataframe ):

rlu_locomotion/insansı_gaps

Veri kümesi boyutu : 4.57 GiB
bölmeler :

Bölmek	örnekler
`'train'`	8.000

Özellik yapısı :

FeaturesDict({
    'episode_id': int64,
    'steps': Dataset({
        'action': Tensor(shape=(56,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'walker': FeaturesDict({
                'body_height': Tensor(shape=(1,), dtype=float32),
                'egocentric_camera': Image(shape=(64, 64, 3), dtype=uint8),
                'end_effectors_pos': Tensor(shape=(12,), dtype=float32),
                'joints_pos': Tensor(shape=(56,), dtype=float32),
                'joints_vel': Tensor(shape=(56,), dtype=float32),
                'sensors_accelerometer': Tensor(shape=(3,), dtype=float32),
                'sensors_gyro': Tensor(shape=(3,), dtype=float32),
                'sensors_velocimeter': Tensor(shape=(3,), dtype=float32),
                'world_zaxis': Tensor(shape=(3,), dtype=float32),
            }),
        }),
        'reward': float32,
    }),
    'timestamp': int64,
})

Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi
	ÖzelliklerDict
bölüm_kimliği	tensör		int64
adımlar	veri kümesi
adımlar/eylem	tensör	(56,)	şamandıra32
adımlar/indirim	tensör		şamandıra32
adımlar/ilk_ilk	tensör		bool
adımlar/is_last	tensör		bool
adımlar/is_terminali	tensör		bool
adımlar/gözlem	ÖzelliklerDict
adımlar/gözlem/yürüteç	ÖzelliklerDict
adımlar/gözlem/yürüteç/body_height	tensör	(1,)	şamandıra32
adımlar/gözlem/yürüteç/egocentric_camera	resim	(64, 64, 3)	uint8
adımlar/gözlem/yürüteç/end_effectors_pos	tensör	(12,)	şamandıra32
adımlar/gözlem/yürüteç/joints_pos	tensör	(56,)	şamandıra32
adımlar/gözlem/yürüteç/joints_vel	tensör	(56,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_accelerometer	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_gyro	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_velocimeter	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/world_zaxis	tensör	(3,)	şamandıra32
adımlar/ödül	tensör		şamandıra32
zaman damgası	tensör		int64

Örnekler ( tfds.as_dataframe ):

rlu_locomotion/insansı_duvarlar

Veri kümesi boyutu : 2.36 GiB
bölmeler :

Bölmek	örnekler
`'train'`	4.000

Özellik yapısı :

FeaturesDict({
    'episode_id': int64,
    'steps': Dataset({
        'action': Tensor(shape=(56,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'walker': FeaturesDict({
                'body_height': Tensor(shape=(1,), dtype=float32),
                'egocentric_camera': Image(shape=(64, 64, 3), dtype=uint8),
                'end_effectors_pos': Tensor(shape=(12,), dtype=float32),
                'joints_pos': Tensor(shape=(56,), dtype=float32),
                'joints_vel': Tensor(shape=(56,), dtype=float32),
                'sensors_accelerometer': Tensor(shape=(3,), dtype=float32),
                'sensors_gyro': Tensor(shape=(3,), dtype=float32),
                'sensors_velocimeter': Tensor(shape=(3,), dtype=float32),
                'world_zaxis': Tensor(shape=(3,), dtype=float32),
            }),
        }),
        'reward': float32,
    }),
    'timestamp': int64,
})

Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi
	ÖzelliklerDict
bölüm_kimliği	tensör		int64
adımlar	veri kümesi
adımlar/eylem	tensör	(56,)	şamandıra32
adımlar/indirim	tensör		şamandıra32
adımlar/ilk_ilk	tensör		bool
adımlar/is_last	tensör		bool
adımlar/is_terminali	tensör		bool
adımlar/gözlem	ÖzelliklerDict
adımlar/gözlem/yürüteç	ÖzelliklerDict
adımlar/gözlem/yürüteç/body_height	tensör	(1,)	şamandıra32
adımlar/gözlem/yürüteç/egocentric_camera	resim	(64, 64, 3)	uint8
adımlar/gözlem/yürüteç/end_effectors_pos	tensör	(12,)	şamandıra32
adımlar/gözlem/yürüteç/joints_pos	tensör	(56,)	şamandıra32
adımlar/gözlem/yürüteç/joints_vel	tensör	(56,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_accelerometer	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_gyro	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_velocimeter	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/world_zaxis	tensör	(3,)	şamandıra32
adımlar/ödül	tensör		şamandıra32
zaman damgası	tensör		int64

Örnekler ( tfds.as_dataframe ):

rlu_locomotion/rodent_bowl_escape

Veri kümesi boyutu : 16.46 GiB
bölmeler :

Bölmek	örnekler
`'train'`	2.000

Özellik yapısı :

FeaturesDict({
    'episode_id': int64,
    'steps': Dataset({
        'action': Tensor(shape=(38,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'walker': FeaturesDict({
                'appendages_pos': Tensor(shape=(15,), dtype=float32),
                'egocentric_camera': Image(shape=(64, 64, 3), dtype=uint8),
                'joints_pos': Tensor(shape=(30,), dtype=float32),
                'joints_vel': Tensor(shape=(30,), dtype=float32),
                'sensors_accelerometer': Tensor(shape=(3,), dtype=float32),
                'sensors_gyro': Tensor(shape=(3,), dtype=float32),
                'sensors_touch': Tensor(shape=(4,), dtype=float32),
                'sensors_velocimeter': Tensor(shape=(3,), dtype=float32),
                'tendons_pos': Tensor(shape=(8,), dtype=float32),
                'tendons_vel': Tensor(shape=(8,), dtype=float32),
                'world_zaxis': Tensor(shape=(3,), dtype=float32),
            }),
        }),
        'reward': float32,
    }),
    'timestamp': int64,
})

Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi
	ÖzelliklerDict
bölüm_kimliği	tensör		int64
adımlar	veri kümesi
adımlar/eylem	tensör	(38,)	şamandıra32
adımlar/indirim	tensör		şamandıra32
adımlar/ilk_ilk	tensör		bool
adımlar/is_last	tensör		bool
adımlar/is_terminali	tensör		bool
adımlar/gözlem	ÖzelliklerDict
adımlar/gözlem/yürüteç	ÖzelliklerDict
adımlar/gözlem/yürüteç/appendages_pos	tensör	(15,)	şamandıra32
adımlar/gözlem/yürüteç/egocentric_camera	resim	(64, 64, 3)	uint8
adımlar/gözlem/yürüteç/joints_pos	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/joints_vel	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_accelerometer	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_gyro	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_touch	tensör	(4,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_velocimeter	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_pos	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_vel	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/world_zaxis	tensör	(3,)	şamandıra32
adımlar/ödül	tensör		şamandıra32
zaman damgası	tensör		int64

Örnekler ( tfds.as_dataframe ):

rlu_locomotion/kemirgen_gaps

Veri kümesi boyutu : 8.90 GiB
bölmeler :

Bölmek	örnekler
`'train'`	2.000

Özellik yapısı :

FeaturesDict({
    'episode_id': int64,
    'steps': Dataset({
        'action': Tensor(shape=(38,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'walker': FeaturesDict({
                'appendages_pos': Tensor(shape=(15,), dtype=float32),
                'egocentric_camera': Image(shape=(64, 64, 3), dtype=uint8),
                'joints_pos': Tensor(shape=(30,), dtype=float32),
                'joints_vel': Tensor(shape=(30,), dtype=float32),
                'sensors_accelerometer': Tensor(shape=(3,), dtype=float32),
                'sensors_gyro': Tensor(shape=(3,), dtype=float32),
                'sensors_touch': Tensor(shape=(4,), dtype=float32),
                'sensors_velocimeter': Tensor(shape=(3,), dtype=float32),
                'tendons_pos': Tensor(shape=(8,), dtype=float32),
                'tendons_vel': Tensor(shape=(8,), dtype=float32),
                'world_zaxis': Tensor(shape=(3,), dtype=float32),
            }),
        }),
        'reward': float32,
    }),
    'timestamp': int64,
})

Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi
	ÖzelliklerDict
bölüm_kimliği	tensör		int64
adımlar	veri kümesi
adımlar/eylem	tensör	(38,)	şamandıra32
adımlar/indirim	tensör		şamandıra32
adımlar/ilk_ilk	tensör		bool
adımlar/is_last	tensör		bool
adımlar/is_terminali	tensör		bool
adımlar/gözlem	ÖzelliklerDict
adımlar/gözlem/yürüteç	ÖzelliklerDict
adımlar/gözlem/yürüteç/appendages_pos	tensör	(15,)	şamandıra32
adımlar/gözlem/yürüteç/egocentric_camera	resim	(64, 64, 3)	uint8
adımlar/gözlem/yürüteç/joints_pos	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/joints_vel	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_accelerometer	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_gyro	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_touch	tensör	(4,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_velocimeter	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_pos	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_vel	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/world_zaxis	tensör	(3,)	şamandıra32
adımlar/ödül	tensör		şamandıra32
zaman damgası	tensör		int64

Örnekler ( tfds.as_dataframe ):

rlu_locomotion/kemirgen_mazes

Veri kümesi boyutu : 20.71 GiB
bölmeler :

Bölmek	örnekler
`'train'`	2.000

Özellik yapısı :

FeaturesDict({
    'episode_id': int64,
    'steps': Dataset({
        'action': Tensor(shape=(38,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'walker': FeaturesDict({
                'appendages_pos': Tensor(shape=(15,), dtype=float32),
                'egocentric_camera': Image(shape=(64, 64, 3), dtype=uint8),
                'joints_pos': Tensor(shape=(30,), dtype=float32),
                'joints_vel': Tensor(shape=(30,), dtype=float32),
                'sensors_accelerometer': Tensor(shape=(3,), dtype=float32),
                'sensors_gyro': Tensor(shape=(3,), dtype=float32),
                'sensors_touch': Tensor(shape=(4,), dtype=float32),
                'sensors_velocimeter': Tensor(shape=(3,), dtype=float32),
                'tendons_pos': Tensor(shape=(8,), dtype=float32),
                'tendons_vel': Tensor(shape=(8,), dtype=float32),
                'world_zaxis': Tensor(shape=(3,), dtype=float32),
            }),
        }),
        'reward': float32,
    }),
    'timestamp': int64,
})

Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi
	ÖzelliklerDict
bölüm_kimliği	tensör		int64
adımlar	veri kümesi
adımlar/eylem	tensör	(38,)	şamandıra32
adımlar/indirim	tensör		şamandıra32
adımlar/ilk_ilk	tensör		bool
adımlar/is_last	tensör		bool
adımlar/is_terminali	tensör		bool
adımlar/gözlem	ÖzelliklerDict
adımlar/gözlem/yürüteç	ÖzelliklerDict
adımlar/gözlem/yürüteç/appendages_pos	tensör	(15,)	şamandıra32
adımlar/gözlem/yürüteç/egocentric_camera	resim	(64, 64, 3)	uint8
adımlar/gözlem/yürüteç/joints_pos	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/joints_vel	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_accelerometer	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_gyro	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_touch	tensör	(4,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_velocimeter	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_pos	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_vel	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/world_zaxis	tensör	(3,)	şamandıra32
adımlar/ödül	tensör		şamandıra32
zaman damgası	tensör		int64

Örnekler ( tfds.as_dataframe ):

rlu_locomotion/rodent_two_touch

Veri kümesi boyutu : 23.05 GiB
bölmeler :

Bölmek	örnekler
`'train'`	2.000

Özellik yapısı :

FeaturesDict({
    'episode_id': int64,
    'steps': Dataset({
        'action': Tensor(shape=(38,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'walker': FeaturesDict({
                'appendages_pos': Tensor(shape=(15,), dtype=float32),
                'egocentric_camera': Image(shape=(64, 64, 3), dtype=uint8),
                'joints_pos': Tensor(shape=(30,), dtype=float32),
                'joints_vel': Tensor(shape=(30,), dtype=float32),
                'sensors_accelerometer': Tensor(shape=(3,), dtype=float32),
                'sensors_gyro': Tensor(shape=(3,), dtype=float32),
                'sensors_touch': Tensor(shape=(4,), dtype=float32),
                'sensors_velocimeter': Tensor(shape=(3,), dtype=float32),
                'tendons_pos': Tensor(shape=(8,), dtype=float32),
                'tendons_vel': Tensor(shape=(8,), dtype=float32),
                'world_zaxis': Tensor(shape=(3,), dtype=float32),
            }),
        }),
        'reward': float32,
    }),
    'timestamp': int64,
})

Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi
	ÖzelliklerDict
bölüm_kimliği	tensör		int64
adımlar	veri kümesi
adımlar/eylem	tensör	(38,)	şamandıra32
adımlar/indirim	tensör		şamandıra32
adımlar/ilk_ilk	tensör		bool
adımlar/is_last	tensör		bool
adımlar/is_terminali	tensör		bool
adımlar/gözlem	ÖzelliklerDict
adımlar/gözlem/yürüteç	ÖzelliklerDict
adımlar/gözlem/yürüteç/appendages_pos	tensör	(15,)	şamandıra32
adımlar/gözlem/yürüteç/egocentric_camera	resim	(64, 64, 3)	uint8
adımlar/gözlem/yürüteç/joints_pos	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/joints_vel	tensör	(30,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_accelerometer	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_gyro	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_touch	tensör	(4,)	şamandıra32
adımlar/gözlem/yürüteç/sensors_velocimeter	tensör	(3,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_pos	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/tendons_vel	tensör	(8,)	şamandıra32
adımlar/gözlem/yürüteç/world_zaxis	tensör	(3,)	şamandıra32
adımlar/ödül	tensör		şamandıra32
zaman damgası	tensör		int64

Örnekler ( tfds.as_dataframe ):