- 説明:
データセットは、MuJoCo 移動タスクの環境報酬でトレーニングされた SAC エージェントを使用して作成されました。これらのデータセットは、「敵対的模倣学習にとって何が重要か?」で使用されます。オルシーニら。 2021年。
データセットは、ステップとエピソードを表すRLDS 形式に従っています。
バージョン:
-
1.0.0
(デフォルト): 初期リリース。
-
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:
@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}
}
locomotion/ant_sac_1M_single_policy_stochastic (デフォルト設定)
構成の説明: Ant の 1M ステップでトレーニングされた SAC エージェントによって生成されたデータセット。
ダウンロードサイズ:
6.49 MiB
データセットのサイズ:
23.02 MiB
自動キャッシュ(ドキュメント): はい
分割:
スプリット | 例 |
---|---|
'train' | 50 |
- 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 | 形 | 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 |
- 例( tfds.as_dataframe ):
locomotion/hopper_sac_1M_single_policy_stochastic
構成の説明: Hopper の 1M ステップ用にトレーニングされた SAC エージェントによって生成されたデータセット。
ダウンロードサイズ:
2.26 MiB
データセットのサイズ:
2.62 MiB
自動キャッシュ(ドキュメント): はい
分割:
スプリット | 例 |
---|---|
'train' | 50 |
- 機能の構造:
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,
}),
})
- 機能ドキュメント:
特徴 | クラス | 形 | 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 | (3,) | 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 | (11,) | float32 | |
歩数/報酬 | テンソル | float32 |
- 例( tfds.as_dataframe ):
locomotion/halfcheetah_sac_1M_single_policy_stochastic
構成の説明: HalfCheetah の 1M ステップでトレーニングされた SAC エージェントによって生成されたデータセット。
ダウンロードサイズ:
4.49 MiB
データセットのサイズ:
4.93 MiB
自動キャッシュ(ドキュメント): はい
分割:
スプリット | 例 |
---|---|
'train' | 50 |
- 機能の構造:
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,
}),
})
- 機能ドキュメント:
特徴 | クラス | 形 | 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 | (6,) | 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 | (17,) | float32 | |
歩数/報酬 | テンソル | float32 |
- 例( tfds.as_dataframe ):
locomotion/walker2d_sac_1M_single_policy_stochastic
構成の説明: Walker2d の 1M ステップ用にトレーニングされた SAC エージェントによって生成されたデータセット。
ダウンロードサイズ:
4.35 MiB
データセットのサイズ:
4.91 MiB
自動キャッシュ(ドキュメント): はい
分割:
スプリット | 例 |
---|---|
'train' | 50 |
- 機能の構造:
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,
}),
})
- 機能ドキュメント:
特徴 | クラス | 形 | 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 | (6,) | 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 | (17,) | float32 | |
歩数/報酬 | テンソル | float32 |
- 例( tfds.as_dataframe ):
locomotion/humanoid_sac_15M_single_policy_stochastic
構成の説明: Humanoid の 15M ステップでトレーニングされた SAC エージェントによって生成されたデータセット。
ダウンロードサイズ:
192.78 MiB
データセットのサイズ:
300.94 MiB
自動キャッシュ(ドキュメント): いいえ
分割:
スプリット | 例 |
---|---|
'train' | 200 |
- 機能の構造:
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,
}),
})
- 機能ドキュメント:
特徴 | クラス | 形 | 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 | (17,) | 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 | (376,) | float32 | |
歩数/報酬 | テンソル | float32 |
- 例( tfds.as_dataframe ):