d4rl_adroit_hammer

• 説明：

D4RL は、オフライン強化学習用のオープンソース ベンチマークです。トレーニングおよびベンチマーク アルゴリズム用の標準化された環境とデータセットを提供します。

データセットはRLDS 形式に従ってステップとエピソードを表します。

• 構成の説明: タスクとそのバージョンの詳細については、 https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroitを参照してください。

• ホームページ: https://sites.google.com/view/d4rl-anonymous

• ソースコード: tfds.d4rl.d4rl_adroit_hammer.D4rlAdroitHammer

• バージョン:

  • 1.0.0 : 初期リリース。
  • 1.1.0 (デフォルト): is_last を追加しました。

• 監視キー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@misc{fu2020d4rl,
    title={D4RL: Datasets for Deep Data-Driven Reinforcement Learning},
    author={Justin Fu and Aviral Kumar and Ofir Nachum and George Tucker and Sergey Levine},
    year={2020},
    eprint={2004.07219},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

d4rl_adroit_hammer/v0-human (デフォルト設定)

• ダウンロードサイズ: 5.33 MiB

• データセットのサイズ: 6.10 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

• 機能の構造:

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_adroit_hammer/v0-クローン化

• ダウンロードサイズ: 644.69 MiB

• データセットのサイズ: 538.97 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

• 機能の構造:

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float64),
            'qvel': Tensor(shape=(33,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float64),
        'reward': float64,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_adroit_hammer/v0-expert

• ダウンロードサイズ: 529.91 MiB

• データセットのサイズ: 737.00 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

• 機能の構造:

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_adroit_hammer/v1-human

• ダウンロードサイズ: 5.35 MiB

• データセットのサイズ: 6.34 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

• 機能の構造:

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_adroit_hammer/v1-クローン化

• ダウンロードサイズ: 425.93 MiB

• データセットのサイズ: 1.68 GiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

• 機能の構造:

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(46, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(256, 26), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_adroit_hammer/v1-expert

• ダウンロードサイズ: 531.24 MiB

• データセットのサイズ: 843.54 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

• 機能の構造:

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 46), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 32), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):