rlu_atari

• توضیحات :

RL Unplugged مجموعه ای از معیارها برای یادگیری تقویتی آفلاین است. RL Unplugged بر اساس ملاحظات زیر طراحی شده است: برای سهولت استفاده، مجموعه داده‌ها را با یک API یکپارچه ارائه می‌کنیم که کار با تمام داده‌های مجموعه را پس از ایجاد خط لوله عمومی برای پزشک آسان می‌کند.

مجموعه داده ها از فرمت RLDS پیروی می کنند تا مراحل و قسمت ها را نشان دهند.

ما یک مجموعه داده بزرگ و متنوع از گیم پلی را طبق پروتکل توصیف شده توسط Agarwal و همکاران، 2020 منتشر می کنیم که می تواند برای ارزیابی چندین الگوریتم RL آفلاین گسسته استفاده شود. مجموعه داده با اجرای یک عامل DQN آنلاین و ضبط انتقال از پخش مجدد آن در طول آموزش با اقدامات چسبنده Machado و همکاران، 2018 تولید می‌شود. همانطور که در آگاروال و همکاران، 2020 بیان شد، برای هر بازی از داده های پنج اجرا با 50 میلیون انتقال استفاده می کنیم. مجموعه داده‌هایی را برای 46 بازی آتاری منتشر می‌کنیم. برای جزئیات بیشتر در مورد نحوه تولید مجموعه داده، لطفاً به مقاله مراجعه کنید. لطفاً این یادداشت را در مورد نسخه های ROM مورد استفاده برای تولید مجموعه داده ها مشاهده کنید.

آتاری یک معیار استاندارد RL است. اگر می‌خواهید رویکرد خود را با سایر روش‌های پیشرفته RL آفلاین با اقدامات مجزا مقایسه کنید، به شما توصیه می‌کنیم که روش‌های RL آفلاین را در Atari امتحان کنید.

پاداش هر مرحله بریده می شود (با برش [-1، 1] به دست می آید) و قسمت شامل مجموع پاداش بریده شده در هر قسمت است.

• صفحه اصلی : https://github.com/deepmind/deepmind-research/tree/master/rl_unplugged

• کد منبع : tfds.rl_unplugged.rlu_atari.RluAtari

• نسخه ها :

  • 1.0.0 : انتشار اولیه.
  • 1.1.0 : is_last اضافه شد.
  • 1.2.0 : شناسه ایست بازرسی اضافه شد.
  • 1.3.0 (پیش فرض): فیلدهای پاداش بریده شده اضافی حذف شدند.

• اندازه دانلود : Unknown size

• ذخیره خودکار ( اسناد ): خیر

• ساختار ویژگی :

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),
    }),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@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}
}