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。

@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:

スプリット
'train' 1,288
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,122
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 2,410
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,320
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,377
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,033
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ポリシー特徴辞書
ポリシー/fc0特徴辞書
ポリシー/fc0/バイアステンソル(256,) float32
ポリシー/fc0/重みテンソル(256、111) float32
ポリシー/fc1特徴辞書
ポリシー/FC1/バイアステンソル(256,) float32
ポリシー/fc1/重みテンソル(256、256) float32
ポリシー/last_fc特徴辞書
ポリシー/last_fc/バイアステンソル(8,) float32
ポリシー/last_fc/weightテンソル(8,256) float32
ポリシー/last_fc_log_std特徴辞書
ポリシー/last_fc_log_std/biasテンソル(8,) float32
ポリシー/last_fc_log_std/weightテンソル(8,256) float32
ポリシー/非線形性テンソル
ポリシー/出力_配布テンソル
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat32
ステップ/情報/qposテンソル(15,) float32
ステップ/情報/qvelテンソル(14,) float32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,179
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ポリシー特徴辞書
ポリシー/fc0特徴辞書
ポリシー/fc0/バイアステンソル(256,) float32
ポリシー/fc0/重みテンソル(256、111) float32
ポリシー/fc1特徴辞書
ポリシー/FC1/バイアステンソル(256,) float32
ポリシー/fc1/重みテンソル(256、256) float32
ポリシー/last_fc特徴辞書
ポリシー/last_fc/バイアステンソル(8,) float32
ポリシー/last_fc/weightテンソル(8,256) float32
ポリシー/last_fc_log_std特徴辞書
ポリシー/last_fc_log_std/biasテンソル(8,) float32
ポリシー/last_fc_log_std/weightテンソル(8,256) float32
ポリシー/非線形性テンソル
ポリシー/出力_配布テンソル
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat32
ステップ/情報/qposテンソル(15,) float32
ステップ/情報/qvelテンソル(14,) float32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 2,211
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat32
ステップ/情報/qposテンソル(15,) float32
ステップ/情報/qvelテンソル(14,) float32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 485
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ステップデータセット
ステップ/アクションテンソル(8,) float64
歩数/割引テンソルfloat64
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float64
歩数/報酬テンソルfloat64

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:

スプリット
'train' 1,319
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ステップデータセット
ステップ/アクションテンソル(8,) float64
歩数/割引テンソルfloat64
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float64
歩数/報酬テンソルfloat64

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:

スプリット
'train' 5,741
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat32
ステップ/情報/qposテンソル(15,) float32
ステップ/情報/qvelテンソル(14,) float32
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,035
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ポリシー特徴辞書
ポリシー/fc0特徴辞書
ポリシー/fc0/バイアステンソル(256,) float32
ポリシー/fc0/重みテンソル(256、111) float32
ポリシー/fc1特徴辞書
ポリシー/FC1/バイアステンソル(256,) float32
ポリシー/fc1/重みテンソル(256、256) float32
ポリシー/last_fc特徴辞書
ポリシー/last_fc/バイアステンソル(8,) float32
ポリシー/last_fc/weightテンソル(8,256) float32
ポリシー/last_fc_log_std特徴辞書
ポリシー/last_fc_log_std/biasテンソル(8,) float32
ポリシー/last_fc_log_std/weightテンソル(8,256) float32
ポリシー/非線形性テンソル
ポリシー/出力_配布テンソル
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,319
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 1,203
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ポリシー特徴辞書
ポリシー/fc0特徴辞書
ポリシー/fc0/バイアステンソル(256,) float32
ポリシー/fc0/重みテンソル(256、111) float32
ポリシー/fc1特徴辞書
ポリシー/FC1/バイアステンソル(256,) float32
ポリシー/fc1/重みテンソル(256、256) float32
ポリシー/last_fc特徴辞書
ポリシー/last_fc/バイアステンソル(8,) float32
ポリシー/last_fc/weightテンソル(8,256) float32
ポリシー/last_fc_log_std特徴辞書
ポリシー/last_fc_log_std/biasテンソル(8,) float32
ポリシー/last_fc_log_std/weightテンソル(8,256) float32
ポリシー/非線形性テンソル
ポリシー/出力_配布テンソル
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 2,237
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 485
  • 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:
特徴クラスDタイプ説明
特徴辞書
アルゴリズムテンソル
反復テンソルint32
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32

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:

スプリット
'train' 5,822
  • 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:
特徴クラスDタイプ説明
特徴辞書
ステップデータセット
ステップ/アクションテンソル(8,) float32
歩数/割引テンソルfloat32
手順/情報特徴辞書
ステップ/情報/action_log_probsテンソルfloat64
ステップ/情報/qposテンソル(15,) float64
ステップ/情報/qvelテンソル(14,) float64
ステップ/is_firstテンソルブール
ステップ/is_lastテンソルブール
ステップ/is_terminalテンソルブール
ステップ/観察テンソル(111,) float32
歩数/報酬テンソルfloat32