TFDS sekarang mendukung format Croissant 🥐 ! Baca dokumentasi untuk mengetahui lebih lanjut.

Halaman ini diterjemahkan oleh Cloud Translation API.

rlu_rwrl

Deskripsi :

RL Unplugged adalah rangkaian tolok ukur untuk pembelajaran penguatan offline. RL Unplugged dirancang berdasarkan pertimbangan berikut: untuk memfasilitasi kemudahan penggunaan, kami menyediakan dataset dengan API terpadu yang memudahkan praktisi untuk bekerja dengan semua data dalam suite setelah pipeline umum dibuat.

Kumpulan data mengikuti format RLDS untuk mewakili langkah dan episode.

Contoh dalam kumpulan data mewakili transisi SAR yang disimpan saat menjalankan agen terlatih online sebagian seperti yang dijelaskan di https://arxiv.org/abs/1904.12901 Kami mengikuti format kumpulan data RLDS, sebagaimana ditentukan dalam https://github.com/google-research /rlds#format-set data

Kami merilis 40 set data pada total 8 tugas -- tanpa tantangan gabungan dan tantangan gabungan mudah pada tugas cartpole, walker, quadruped, dan humanoid. Setiap tugas berisi 5 ukuran dataset yang berbeda, 1%, 5%, 20%, 40%, dan 100%. Perhatikan bahwa kumpulan data yang lebih kecil tidak dijamin menjadi bagian dari kumpulan data yang lebih besar. Untuk perincian tentang bagaimana set data dihasilkan, silakan merujuk ke makalah.

Beranda : https://github.com/deepmind/deepmind-research/tree/master/rl_unplugged
Kode sumber : tfds.rl_unplugged.rlu_rwrl.RluRwrl
Versi :
- 1.0.0 : Rilis awal.
- 1.0.1 (default): Memperbaiki bug di dataset RLU RWRL di mana ada id episode duplikat di salah satu dataset humanoid.
Ukuran unduhan : Unknown size
Kunci yang diawasi (Lihat as_supervised doc ): None
Gambar ( tfds.show_examples ): Tidak didukung.
Kutipan :

@misc{gulcehre2020rl,
    title={RL Unplugged: Benchmarks for Offline Reinforcement Learning},
    author={Caglar Gulcehre and Ziyu Wang and Alexander Novikov and Tom Le Paine
        and  Sergio Gómez Colmenarejo and Konrad Zolna and Rishabh Agarwal and
        Josh Merel and Daniel Mankowitz and Cosmin Paduraru and Gabriel
        Dulac-Arnold and Jerry Li and Mohammad Norouzi and Matt Hoffman and
        Ofir Nachum and George Tucker and Nicolas Heess and Nando deFreitas},
    year={2020},
    eprint={2006.13888},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

rlu_rwrl/cartpole_swingup_combined_challenge_none_1_percent (konfigurasi default)

Ukuran dataset : 172.43 KiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	5

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_5_percent

Ukuran dataset : 862.13 KiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	25

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_20_percent

Ukuran dataset : 3.37 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	100

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_40_percent

Ukuran dataset : 6.74 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	200

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_100_percent

Ukuran dataset : 16.84 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	500

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_1_percent

Ukuran dataset : 1.77 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	5

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_5_percent

Ukuran dataset : 8.86 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	25

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_20_percent

Ukuran dataset : 35.46 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	100

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_40_percent

Ukuran dataset : 70.92 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	200

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_100_percent

Ukuran dataset : 177.29 MiB
Auto-cached ( dokumentasi ): Hanya ketika shuffle_files=False (train)
Perpecahan :

Membelah	Contoh
`'train'`	500

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_1_percent

Ukuran dataset : 6.27 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	50

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_5_percent

Ukuran dataset : 31.34 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	250

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_20_percent

Ukuran dataset : 125.37 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	1.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_40_percent

Ukuran dataset : 250.75 MiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	2.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_100_percent

Ukuran dataset : 626.86 MiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	5.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_1_percent

Ukuran dataset : 69.40 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	200

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_5_percent

Ukuran dataset : 346.98 MiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	1.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_20_percent

Ukuran dataset : 1.36 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	4.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_40_percent

Ukuran dataset : 2.71 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	8.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_100_percent

Ukuran dataset : 6.78 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	20.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_1_percent

Ukuran dataset : 369.84 KiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	5

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_5_percent

Ukuran dataset : 1.81 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	25

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_20_percent

Ukuran dataset : 7.22 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	100

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_40_percent

Ukuran dataset : 14.45 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	200

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_100_percent

Ukuran dataset : 36.12 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	500

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(1,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'position': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(2,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(1,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/posisi	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(2,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_1_percent

Ukuran dataset : 1.97 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	5

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_5_percent

Ukuran dataset : 9.83 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	25

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_20_percent

Ukuran dataset : 39.31 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	100

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_40_percent

Ukuran dataset : 78.63 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	200

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_100_percent

Ukuran dataset : 196.57 MiB
Auto-cached ( dokumentasi ): Hanya ketika shuffle_files=False (train)
Perpecahan :

Membelah	Contoh
`'train'`	500

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(12,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'egocentric_state': Tensor(shape=(44,), dtype=float32),
            'force_torque': Tensor(shape=(24,), dtype=float32),
            'imu': Tensor(shape=(6,), dtype=float32),
            'torso_upright': Tensor(shape=(1,), dtype=float32),
            'torso_velocity': Tensor(shape=(3,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(12,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/pengamatan/status_egosentris	Tensor	(44,)	float32
langkah/pengamatan/force_torque	Tensor	(24,)	float32
langkah/pengamatan/imu	Tensor	(6,)	float32
langkah/pengamatan/torso_upright	Tensor	(1,)	float32
langkah/pengamatan/kecepatan_torso	Tensor	(3,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_1_percent

Ukuran dataset : 8.20 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	50

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_5_percent

Ukuran dataset : 40.98 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	250

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_20_percent

Ukuran dataset : 163.93 MiB
Auto-cached ( dokumentasi ): Hanya ketika shuffle_files=False (train)
Perpecahan :

Membelah	Contoh
`'train'`	1.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_40_percent

Ukuran dataset : 327.86 MiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	2.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_100_percent

Ukuran dataset : 819.65 MiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	5.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'height': Tensor(shape=(1,), dtype=float32),
            'orientations': Tensor(shape=(14,), dtype=float32),
            'velocity': Tensor(shape=(9,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(6,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/tinggi	Tensor	(1,)	float32
langkah/pengamatan/orientasi	Tensor	(14,)	float32
langkah/pengamatan/kecepatan	Tensor	(9,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_1_percent

Ukuran dataset : 77.11 MiB
Di-cache otomatis ( dokumentasi ): Ya
Perpecahan :

Membelah	Contoh
`'train'`	200

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_5_percent

Ukuran dataset : 385.54 MiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	1.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_20_percent

Ukuran dataset : 1.51 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	4.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_40_percent

Ukuran dataset : 3.01 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	8.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_100_percent

Ukuran dataset : 7.53 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	20.000

Struktur fitur :

FeaturesDict({
    'episode_return': float32,
    'steps': Dataset({
        'action': Tensor(shape=(21,), dtype=float32),
        'discount': Tensor(shape=(1,), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'com_velocity': Tensor(shape=(3,), dtype=float32),
            'dummy-0': Tensor(shape=(1,), dtype=float32),
            'dummy-1': Tensor(shape=(1,), dtype=float32),
            'dummy-2': Tensor(shape=(1,), dtype=float32),
            'dummy-3': Tensor(shape=(1,), dtype=float32),
            'dummy-4': Tensor(shape=(1,), dtype=float32),
            'dummy-5': Tensor(shape=(1,), dtype=float32),
            'dummy-6': Tensor(shape=(1,), dtype=float32),
            'dummy-7': Tensor(shape=(1,), dtype=float32),
            'dummy-8': Tensor(shape=(1,), dtype=float32),
            'dummy-9': Tensor(shape=(1,), dtype=float32),
            'extremities': Tensor(shape=(12,), dtype=float32),
            'head_height': Tensor(shape=(1,), dtype=float32),
            'joint_angles': Tensor(shape=(21,), dtype=float32),
            'torso_vertical': Tensor(shape=(3,), dtype=float32),
            'velocity': Tensor(shape=(27,), dtype=float32),
        }),
        'reward': Tensor(shape=(1,), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype
	fiturDict
episode_return	Tensor		float32
Langkah	Himpunan data
langkah/tindakan	Tensor	(21,)	float32
langkah/diskon	Tensor	(1,)	float32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/com_velocity	Tensor	(3,)	float32
langkah/pengamatan/dummy-0	Tensor	(1,)	float32
langkah/pengamatan/dummy-1	Tensor	(1,)	float32
langkah/pengamatan/dummy-2	Tensor	(1,)	float32
langkah/pengamatan/dummy-3	Tensor	(1,)	float32
langkah/pengamatan/dummy-4	Tensor	(1,)	float32
langkah/pengamatan/dummy-5	Tensor	(1,)	float32
langkah/pengamatan/dummy-6	Tensor	(1,)	float32
langkah/pengamatan/dummy-7	Tensor	(1,)	float32
langkah/pengamatan/dummy-8	Tensor	(1,)	float32
langkah/pengamatan/dummy-9	Tensor	(1,)	float32
langkah/observasi/ekstremitas	Tensor	(12,)	float32
langkah/pengamatan/head_height	Tensor	(1,)	float32
langkah/pengamatan/joint_angles	Tensor	(21,)	float32
langkah/pengamatan/torso_vertical	Tensor	(3,)	float32
langkah/pengamatan/kecepatan	Tensor	(27,)	float32
langkah/hadiah	Tensor	(1,)	float32

Contoh ( tfds.as_dataframe ):