DQN Replay Dataset

该数据集包含了50,000个在在线DQN智能体训练过程中收集的转换，每个转换的形式为（s_t^i, a_t^i, r_t^i, s_{t+1}^i）。此外，每个剧集结束后，该数据集会被划分为80%用于训练，20%用于评估。这一数据集的规模为50,000个转换，其任务是针对恶化的水管制定最优的修复策略。This dataset contains 50,000 transitions collected during the training process of an online DQN agent, where each transition takes the form of (s_t^i, a_t^i, r_t^i, s_{t+1}^i). After each episode concludes, the dataset is split into 80% for training and 20% for evaluation. With a total of 50,000 transitions, this dataset is designed to develop optimal repair strategies for deteriorated water pipelines.

搜集汇总

背景与挑战

背景概述

DQN Replay Dataset是一个用于离线强化学习研究的数据集，包含约5000万个经验元组（observation, action, reward, next observation），这些数据通过训练DQN智能体在60个Atari 2600游戏上收集，每个游戏重复五次。该数据集使用特定版本的Atari ROM（atari-py<=0.2.5），需注意版本兼容性以避免训练/评估不匹配，数据存储在公共GCP桶中，可通过gsutil工具下载。