OpenDILabCommunity/Pong-v4-expert-MCTS
收藏资源简介：
该数据集包含8个pong-v4环境的片段。专家策略是EfficientZero，能够生成MCTS隐藏状态。由于每个观察值都包含隐藏状态，该数据集适用于从序列中学习的模仿学习方法，如Procedure Cloning (PC)。数据字段包括观察值（obs）、动作（actions）和隐藏状态（hidden_state）。观察值是一个包含8个轨迹的Array3D，数据类型为uint8，每个值在0到255之间，形状为[96, 96, 3]。动作是一个整数，表示8个轨迹中的动作，值在0到5之间。隐藏状态是一个Array3D，包含由EfficientZero生成的隐藏状态，数据类型为float32。数据集仅包含训练集，评估通过与模拟器交互进行。数据收集由EfficientZero策略完成，专家数据的标准是每个8个片段的回报超过20。未应用标准化，即每个观察值的值是一个uint8标量，范围在0到255之间。
该数据集包含8个pong-v4环境的片段。专家策略是EfficientZero，能够生成MCTS隐藏状态。由于每个观察值都包含隐藏状态，该数据集适用于从序列中学习的模仿学习方法，如Procedure Cloning (PC)。数据字段包括观察值（obs）、动作（actions）和隐藏状态（hidden_state）。观察值是一个包含8个轨迹的Array3D，数据类型为uint8，每个值在0到255之间，形状为[96, 96, 3]。动作是一个整数，表示8个轨迹中的动作，值在0到5之间。隐藏状态是一个Array3D，包含由EfficientZero生成的隐藏状态，数据类型为float32。数据集仅包含训练集，评估通过与模拟器交互进行。数据收集由EfficientZero策略完成，专家数据的标准是每个8个片段的回报超过20。未应用标准化，即每个观察值的值是一个uint8标量，范围在0到255之间。
数据集概述
数据集名称
- Pong-v4-expert-MCTS
支持的任务和基准
- 任务：支持Procedure Cloning (PC)算法的训练。
- 基准：
- 决策序列长度为0时：
- 训练损失：
- 测试准确率：0.90
- 奖励：20
- 训练损失：
- 决策序列长度为4时：
- 训练动作损失：
- 训练隐藏状态损失：
- 训练准确率（自回归模式）：
- 奖励：-21
- 训练动作损失：
- 决策序列长度为0时：
数据使用
- 数据描述：包含8个pong-v4环境下的剧集，专家策略为EfficientZero，能生成MCTS隐藏状态，适用于序列型模仿学习方法。
- 数据字段：
obs：uint8类型，形状为[96, 96, 3]的Array3D，包含8个评估代理的观察数据。actions：整数类型，范围0到5，来自8个评估代理的动作数据。hidden_state：float32类型，形状为Array3D，包含8个评估代理的隐藏状态数据。
- 数据分割：仅包含训练集，评估通过与模拟器交互进行。
- 数据收集和标准化：
- 数据由EfficientZero策略收集。
- 专家数据标准为每8个剧集的回报超过20。
- 未进行预先标准化处理。
附加信息
-
数据源生产者：@kxzxvbk
-
社会影响：可用于模仿学习，尤其是序列学习算法的研究。
-
已知限制：仅限于学术研究使用。
-
引用信息：
@misc{Pong-v4-expert-MCTS, title={{Pong-v4-expert-MCTS: OpenDILab} A dataset for Procedure Cloning algorithm using Pong-v4.}, author={Pong-v4-expert-MCTS Contributors}, publisher = {huggingface}, howpublished = {url{https://huggingface.co/datasets/OpenDILabCommunity/Pong-v4-expert-MCTS}}, year={2023}, }
