d4rl_mujoco_ant,d4rl_mujoco_ant

• 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#gym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_mujoco_ant.D4rlMujocoAnt

• バージョン:

  • 1.0.0 : 初期リリース。
  • 1.1.0 : is_last を追加しました。
  • 1.2.0 (デフォルト): 次の観察を考慮するために更新されました。

• 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_mujoco_ant/v0-expert (デフォルト設定)

• ダウンロードサイズ: 131.34 MiB

• データセットのサイズ: 464.94 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=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-medium

• ダウンロードサイズ: 131.39 MiB

• データセットのサイズ: 464.78 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=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-medium-expert

• ダウンロードサイズ: 262.73 MiB

• データセットのサイズ: 929.71 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=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-mixed

• ダウンロードサイズ: 104.63 MiB

• データセットのサイズ: 464.93 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=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-ランダム

• ダウンロードサイズ: 139.50 MiB

• データセットのサイズ: 464.97 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=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-expert

• ダウンロードサイズ: 220.72 MiB

• データセットのサイズ: 968.63 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,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-medium

• ダウンロードサイズ: 222.39 MiB

• データセットのサイズ: 1023.71 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,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-medium-expert

• ダウンロードサイズ: 442.25 MiB

• データセットのサイズ: 1.13 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({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-medium-replay

• ダウンロードサイズ: 132.05 MiB

• データセットのサイズ: 175.27 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=False (トレイン) の場合のみ

• 分割:

• 機能の構造:

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float64),
        'reward': float64,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-full-replay

• ダウンロードサイズ: 437.57 MiB

• データセットのサイズ: 580.09 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,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float64),
        'reward': float64,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-ランダ​​ム

• ダウンロードサイズ: 225.18 MiB

• データセットのサイズ: 583.83 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=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-expert

• ダウンロードサイズ: 355.94 MiB

• データセットのサイズ: 969.38 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,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-full-replay

• ダウンロードサイズ: 428.57 MiB

• データセットのサイズ: 580.09 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,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-medium

• ダウンロードサイズ: 358.81 MiB

• データセットのサイズ: 1.01 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,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-medium-expert

• ダウンロードサイズ: 713.67 MiB

• データセットのサイズ: 1.13 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({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-medium-replay

• ダウンロードサイズ: 130.16 MiB

• データセットのサイズ: 175.27 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=False (トレイン) の場合のみ

• 分割:

• 機能の構造:

FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-ランダム

• ダウンロードサイズ: 366.66 MiB

• データセットのサイズ: 583.90 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=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• 機能ドキュメント:

• 例( tfds.as_dataframe ):