Aprenda o que há de mais recente em aprendizado de máquina, IA generativa e muito mais no WiML Symposium 2023 Registre-se

Esta página foi traduzida pela API Cloud Translation.

rlu_rwrl

Descrição :

RL Unplugged é um conjunto de benchmarks para aprendizado de reforço offline. O RL Unplugged foi projetado com base nas seguintes considerações: para facilitar o uso, fornecemos os conjuntos de dados com uma API unificada que torna mais fácil para o profissional trabalhar com todos os dados no conjunto, uma vez que um pipeline geral tenha sido estabelecido.

Os conjuntos de dados seguem o formato RLDS para representar etapas e episódios.

Exemplos no conjunto de dados representam transições SAR armazenadas ao executar um agente treinado parcialmente online, conforme descrito em https://arxiv.org/abs/1904.12901 Seguimos o formato de conjunto de dados RLDS, conforme especificado em https://github.com/google-research /rlds#dataset-format

Lançamos 40 conjuntos de dados em 8 tarefas no total -- sem desafio combinado e desafio combinado fácil nas tarefas cartpole, walker, quadrúpede e humanóide. Cada tarefa contém 5 tamanhos diferentes de conjuntos de dados, 1%, 5%, 20%, 40% e 100%. Observe que não há garantia de que o conjunto de dados menor seja um subconjunto dos maiores. Para obter detalhes sobre como o conjunto de dados foi gerado, consulte o artigo.

Página inicial : https://github.com/deepmind/deepmind-research/tree/master/rl_unplugged
Código -fonte: tfds.rl_unplugged.rlu_rwrl.RluRwrl
Versões :
- 1.0.0 : versão inicial.
- 1.0.1 (padrão): Corrige um bug no conjunto de dados RLU RWRL onde há ids de episódios duplicados em um dos conjuntos de dados humanoides.
Tamanho do download : Unknown size
Chaves supervisionadas (Consulte as_supervised doc ): None
Figura ( tfds.show_examples ): Não compatível.
Citação :

@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 (configuração padrão)

Tamanho do conjunto de dados : 172.43 KiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	5

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_5_percent

Tamanho do conjunto de dados : 862.13 KiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	25

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_20_percent

Tamanho do conjunto de dados : 3.37 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	100

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_40_percent

Tamanho do conjunto de dados : 6.74 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	200

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_none_100_percent

Tamanho do conjunto de dados : 16.84 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	500

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_1_percent

Tamanho do conjunto de dados : 1.77 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	5

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_5_percent

Tamanho do conjunto de dados : 8.86 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	25

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_20_percent

Tamanho do conjunto de dados : 35.46 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	100

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_40_percent

Tamanho do conjunto de dados : 70.92 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	200

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_none_100_percent

Tamanho do conjunto de dados : 177.29 MiB
Armazenado em cache automaticamente ( documentação ): Somente quando shuffle_files=False (train)
Divisões :

Dividir	Exemplos
`'train'`	500

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_1_percent

Tamanho do conjunto de dados : 6.27 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	50

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_5_percent

Tamanho do conjunto de dados : 31.34 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	250

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_20_percent

Tamanho do conjunto de dados : 125.37 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	1.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_40_percent

Tamanho do conjunto de dados : 250.75 MiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	2.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_none_100_percent

Tamanho do conjunto de dados : 626.86 MiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	5.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_1_percent

Tamanho do conjunto de dados : 69.40 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	200

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_5_percent

Tamanho do conjunto de dados : 346.98 MiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	1.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_20_percent

Tamanho do conjunto de dados : 1.36 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	4.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_40_percent

Tamanho do conjunto de dados : 2.71 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	8.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_none_100_percent

Tamanho do conjunto de dados : 6.78 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	20.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_1_percent

Tamanho do conjunto de dados : 369.84 KiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	5

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_5_percent

Tamanho do conjunto de dados : 1.81 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	25

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_20_percent

Tamanho do conjunto de dados : 7.22 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	100

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_40_percent

Tamanho do conjunto de dados : 14.45 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	200

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/cartpole_swingup_combined_challenge_easy_100_percent

Tamanho do conjunto de dados : 36.12 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	500

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(1,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/posição	tensor	(3,)	float32
passos/observação/velocidade	tensor	(2,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_1_percent

Tamanho do conjunto de dados : 1.97 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	5

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_5_percent

Tamanho do conjunto de dados : 9.83 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	25

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_20_percent

Tamanho do conjunto de dados : 39.31 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	100

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_40_percent

Tamanho do conjunto de dados : 78.63 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	200

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/quadruped_walk_combined_challenge_easy_100_percent

Tamanho do conjunto de dados : 196.57 MiB
Armazenado em cache automaticamente ( documentação ): Somente quando shuffle_files=False (train)
Divisões :

Dividir	Exemplos
`'train'`	500

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(12,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/estado_egocêntrico	tensor	(44,)	float32
passos/observação/force_torque	tensor	(24,)	float32
passos/observação/imu	tensor	(6,)	float32
passos/observação/torso_upright	tensor	(1,)	float32
passos/observação/torso_velocity	tensor	(3,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_1_percent

Tamanho do conjunto de dados : 8.20 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	50

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_5_percent

Tamanho do conjunto de dados : 40.98 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	250

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_20_percent

Tamanho do conjunto de dados : 163.93 MiB
Armazenado em cache automaticamente ( documentação ): Somente quando shuffle_files=False (train)
Divisões :

Dividir	Exemplos
`'train'`	1.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_40_percent

Tamanho do conjunto de dados : 327.86 MiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	2.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/walker_walk_combined_challenge_easy_100_percent

Tamanho do conjunto de dados : 819.65 MiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	5.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(6,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/altura	tensor	(1,)	float32
passos/observação/orientações	tensor	(14,)	float32
passos/observação/velocidade	tensor	(9,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_1_percent

Tamanho do conjunto de dados : 77.11 MiB
Cache automático ( documentação ): Sim
Divisões :

Dividir	Exemplos
`'train'`	200

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_5_percent

Tamanho do conjunto de dados : 385.54 MiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	1.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_20_percent

Tamanho do conjunto de dados : 1.51 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	4.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_40_percent

Tamanho do conjunto de dados : 3.01 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	8.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):

rlu_rwrl/humanoid_walk_combined_challenge_easy_100_percent

Tamanho do conjunto de dados : 7.53 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	20.000

Estrutura de recursos :

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),
    }),
})

Documentação do recurso:

Característica	Classe	Forma	Tipo D
	RecursosDict
episódio_retorno	tensor		float32
degraus	conjunto de dados
passos/ação	tensor	(21,)	float32
passos/desconto	tensor	(1,)	float32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/com_velocity	tensor	(3,)	float32
passos/observação/manequim-0	tensor	(1,)	float32
passos/observação/manequim-1	tensor	(1,)	float32
passos/observação/manequim-2	tensor	(1,)	float32
passos/observação/manequim-3	tensor	(1,)	float32
passos/observação/manequim-4	tensor	(1,)	float32
passos/observação/manequim-5	tensor	(1,)	float32
passos/observação/manequim-6	tensor	(1,)	float32
passos/observação/manequim-7	tensor	(1,)	float32
passos/observação/manequim-8	tensor	(1,)	float32
passos/observação/manequim-9	tensor	(1,)	float32
passos/observação/extremidades	tensor	(12,)	float32
passos/observação/head_height	tensor	(1,)	float32
passos/observação/ângulos_articulações	tensor	(21,)	float32
passos/observação/torso_vertical	tensor	(3,)	float32
passos/observação/velocidade	tensor	(27,)	float32
passos/recompensa	tensor	(1,)	float32

Exemplos ( tfds.as_dataframe ):