Offline Reinforcement Learning Dataset

该数据集包含了代理轨迹，其中包含了任务描述以及相应的奖励、状态和动作元组。此外，在每一个时间步，数据集还提供了包含回顾和前瞻信息的语言反馈。该数据集的特点是包含了多样化的次优轨迹和经过GPT增强的语言反馈，这些特点有助于提升模型的泛化能力。任务的目的是实现带有语言反馈的强化学习。