rlu_atari

• الوصف :

RL Unplugged عبارة عن مجموعة من المعايير للتعلم المعزز في وضع عدم الاتصال. تم تصميم RL Unplugged حول الاعتبارات التالية: لتسهيل الاستخدام ، نوفر مجموعات البيانات بواجهة برمجة تطبيقات موحدة تسهل على الممارس العمل مع جميع البيانات الموجودة في المجموعة بمجرد إنشاء خط أنابيب عام.

تتبع مجموعات البيانات تنسيق RLDS لتمثيل الخطوات والحلقات.

نحن نصدر مجموعة بيانات كبيرة ومتنوعة من اللعب باتباع البروتوكول الموصوف بواسطة Agarwal et al. ، 2020 ، والذي يمكن استخدامه لتقييم العديد من خوارزميات RL المنفصلة غير المتصلة بالإنترنت. يتم إنشاء مجموعة البيانات عن طريق تشغيل وكيل DQN عبر الإنترنت وتسجيل الانتقالات من إعادة التشغيل أثناء التدريب باستخدام الإجراءات اللاصقة Machado et al. ، 2018 . كما هو مذكور في Agarwal et al. ، 2020 ، لكل لعبة نستخدم بيانات من خمسة أشواط مع 50 مليون انتقال لكل لعبة. أصدرنا مجموعات بيانات لـ 46 لعبة أتاري. للحصول على تفاصيل حول كيفية إنشاء مجموعة البيانات ، يرجى الرجوع إلى الورقة. يرجى الاطلاع على هذه الملاحظة حول إصدارات ROM المستخدمة لإنشاء مجموعات البيانات.

أتاري هو معيار RL المعياري. نوصيك بتجربة أساليب RL غير المتصلة بالإنترنت على Atari إذا كنت مهتمًا بمقارنة أسلوبك مع أساليب RL الأخرى غير المتصلة بالإنترنت مع الإجراءات المنفصلة.

يتم قص مكافأة كل خطوة (يتم الحصول عليها من خلال [-1 ، 1] لقطة) وتتضمن الحلقة مجموع المكافأة المقطوعة لكل حلقة.

• الصفحة الرئيسية : https://github.com/deepmind/deepmind-research/tree/master/rl_unplugged

• كود المصدر : tfds.rl_unplugged.rlu_atari.RluAtari

• إصدارات :

  • 1.0.0 : الإصدار الأولي.
  • 1.1.0 : تمت الإضافة is_last.
  • 1.2.0 : إضافة معرف نقطة التفتيش.
  • 1.3.0 (افتراضي): تمت إزالة حقول المكافأة الزائدة عن الحاجة.

• حجم التنزيل : Unknown size

• التخزين المؤقت التلقائي ( التوثيق ): لا

• هيكل الميزة :

FeaturesDict({
    'checkpoint_id': int64,
    'episode_id': int64,
    'episode_return': Scalar(shape=(), dtype=float32),
    'steps': Dataset({
        'action': int64,
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Image(shape=(84, 84, 1), dtype=uint8),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})

• وثائق الميزة :

• المفاتيح الخاضعة للإشراف (انظر المستند as_supervised ): None

• الشكل ( tfds.show_examples ): غير مدعوم.

• الاقتباس :

@misc{gulcehre2020rl,
    title={RL Unplugged: Benchmarks for Offline Reinforcement Learning},
    author={Caglar Gulcehre and Ziyu Wang and Alexander Novikov and Tom Le Paine
        and  Sergio Gómez Colmenarejo and Konrad Zolna and Rishabh Agarwal and
        Josh Merel and Daniel Mankowitz and Cosmin Paduraru and Gabriel
        Dulac-Arnold and Jerry Li and Mohammad Norouzi and Matt Hoffman and
        Ofir Nachum and George Tucker and Nicolas Heess and Nando deFreitas},
    year={2020},
    eprint={2006.13888},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}