हरकत

• विवरण :

डेटासेट म्यूजोको लोकोमोशन कार्यों के पर्यावरण पुरस्कार पर प्रशिक्षित एक एसएसी एजेंट के साथ बनाए गए थे। इन डेटासेट का उपयोग प्रतिकूल अनुकरण सीखने के लिए क्या मायने रखता है? में किया जाता है। ओरसिनी एट अल. 2021 .

चरण और एपिसोड का प्रतिनिधित्व करने के लिए डेटासेट आरएलडीएस प्रारूप का पालन करते हैं

• मुखपृष्ठ : https://github.com/google-research/rlds

• स्रोत कोड : tfds.rlds.datasets.locomotion.Locomotion

• संस्करण :

  • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उद्धरण :

@article{orsini2021matters,
  title={What Matters for Adversarial Imitation Learning?},
  author={Orsini, Manu and Raichuk, Anton and Hussenot, L{'e}onard and Vincent, Damien and Dadashi, Robert and Girgin, Sertan and Geist, Matthieu and Bachem, Olivier and Pietquin, Olivier and Andrychowicz, Marcin},
  journal={International Conference in Machine Learning},
  year={2021}
}

लोकोमोशन/ant_sac_1M_single_policy_stochastic (डिफ़ॉल्ट कॉन्फ़िगरेशन)

• कॉन्फ़िगरेशन विवरण : चींटी के लिए 1M चरणों के लिए प्रशिक्षित SAC एजेंट द्वारा तैयार किया गया डेटासेट।

• डाउनलोड आकार : 6.49 MiB

• डेटासेट का आकार : 23.02 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• विभाजन :

• फ़ीचर संरचना :

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,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):

लोकोमोशन/हॉपर_सैक_1एम_सिंगल_पॉलिसी_स्टोकेस्टिक

• कॉन्फ़िगरेशन विवरण : हॉपर के लिए 1M चरणों के लिए प्रशिक्षित SAC एजेंट द्वारा तैयार किया गया डेटासेट।

• डाउनलोड आकार : 2.26 MiB

• डेटासेट का आकार : 2.62 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):

लोकोमोशन/हाफचीता_sac_1M_सिंगल_पॉलिसी_स्टोकेस्टिक

• कॉन्फ़िगरेशन विवरण : हाफचीता के लिए 1M चरणों के लिए प्रशिक्षित SAC एजेंट द्वारा तैयार किया गया डेटासेट।

• डाउनलोड आकार : 4.49 MiB

• डेटासेट का आकार : 4.93 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):

लोकोमोशन/वॉकर2डी_सैक_1एम_सिंगल_पॉलिसी_स्टोकेस्टिक

• कॉन्फ़िगरेशन विवरण : वॉकर2डी के लिए 1M चरणों के लिए प्रशिक्षित SAC एजेंट द्वारा तैयार किया गया डेटासेट।

• डाउनलोड आकार : 4.35 MiB

• डेटासेट का आकार : 4.91 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):

लोकोमोशन/ह्यूमनॉइड_सैक_15एम_सिंगल_पॉलिसी_स्टोकेस्टिक

• कॉन्फ़िगरेशन विवरण : ह्यूमनॉइड के लिए 15M चरणों के लिए प्रशिक्षित SAC एजेंट द्वारा तैयार किया गया डेटासेट।

• डाउनलोड आकार : 192.78 MiB

• डेटासेट का आकार : 300.94 MiB

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(17,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(376,), dtype=float32),
        'reward': float32,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):