rlu_dmlab_explore_object_rewards_few

• Описание :

RL Unplugged — это набор тестов для автономного обучения с подкреплением. RL Unplugged разработан с учетом следующих соображений: чтобы упростить использование, мы предоставляем наборы данных с унифицированным API, который позволяет практикующим специалистам легко работать со всеми данными в наборе после того, как общий конвейер был установлен.

Наборы данных соответствуют формату RLDS для представления шагов и эпизодов.

Набор данных DeepMind Lab имеет несколько уровней сложного, частично наблюдаемого пакета Deepmind Lab . Набор данных DeepMind Lab собирается путем обучения распределенных агентов R2D2 Kapturowski et al., 2018 с нуля индивидуальным задачам. Мы записывали опыт всех актеров в течение всего тренировочного цикла несколько раз для каждой задачи. Подробности процесса создания набора данных описаны в Gulcehre et al., 2021 .

Мы выпускаем наборы данных для пяти разных уровней DeepMind Lab: seekavoid_arena_01 , explore_rewards_few , explore_rewards_many , rooms_watermaze , rooms_select_nonmatching_object . Мы также выпускаем наборы данных моментальных снимков для уровня seekavoid_arena_01 , которые мы сгенерировали наборы данных из обученного моментального снимка R2D2 с различными уровнями эпсилон для эпсилон-жадного алгоритма при оценке агента в среде.

Набор данных DeepMind Lab довольно масштабный. Мы рекомендуем вам попробовать его, если вы заинтересованы в крупномасштабных автономных моделях RL с памятью.

• Домашняя страница : https://github.com/deepmind/deepmind-research/tree/master/rl_unplugged

• Исходный код : tfds.rl_unplugged.rlu_dmlab_explore_object_rewards_few.RluDmlabExploreObjectRewardsFew

• Версии :

  • 1.0.0 : Первоначальный выпуск.
  • 1.1.0 : Добавлен is_last.
  • 1.2.0 (по умолчанию): исправление BGR -> RGB для наблюдения за пикселями.

• Размер загрузки : Unknown size

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

• Структура функции :

FeaturesDict({
    'episode_id': int64,
    'episode_return': float32,
    'steps': Dataset({
        'action': int64,
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'last_action': int64,
            'last_reward': float32,
            'pixels': Image(shape=(72, 96, 3), dtype=uint8),
        }),
        'reward': float32,
    }),
})

• Документация по функциям :

• Ключи под наблюдением (см . документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@article{gulcehre2021rbve,
    title={Regularized Behavior Value Estimation},
    author={ {\c{C} }aglar G{\"{u} }l{\c{c} }ehre and
               Sergio G{\'{o} }mez Colmenarejo and
               Ziyu Wang and
               Jakub Sygnowski and
               Thomas Paine and
               Konrad Zolna and
               Yutian Chen and
               Matthew W. Hoffman and
               Razvan Pascanu and
               Nando de Freitas},
    year={2021},
    journal   = {CoRR},
    url       = {https://arxiv.org/abs/2103.09575},
    eprint={2103.09575},
    archivePrefix={arXiv},
}

rlu_dmlab_explore_object_rewards_few/training_0 (конфигурация по умолчанию)

• Размер набора данных : 847.00 GiB

• Примеры ( tfds.as_dataframe ):

rlu_dmlab_explore_object_rewards_few/training_1

• Размер набора данных : 877.76 GiB

• Примеры ( tfds.as_dataframe ):

rlu_dmlab_explore_object_rewards_few/training_2

• Размер набора данных : 836.43 GiB

• Примеры ( tfds.as_dataframe ):