test / README.md
chenyuwang1's picture
Update README.md
033b4f8 verified
---
license: mit
task_categories:
- reinforcement-learning
tags:
- hierarchical-rl
- maxq
- value-decomposition
- offline-rl
- trajectories
pretty_name: Hierarchical Value Decomposition (MAXQ) Rebuttal Dataset
size_categories:
- 1K<n<10K
language:
- en
---
# Hierarchical Value Decomposition (MAXQ) — Rebuttal Dataset
[![Dataset on HuggingFace](https://img.shields.io/badge/🤗%20Dataset-HuggingFace-yellow)](https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal)
[![License: MIT](https://img.shields.io/badge/License-MIT-blue.svg)](LICENSE)
**🔗 Access Dataset:** https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal
---
## 📊 Dataset Overview
本数据集用于支撑论文“Hierarchical Reinforcement Learning with the MAXQ Value Function Decomposition”相关的复现实验与 rebuttal,对外提供分层任务轨迹、层级边界标注、奖励与价值分解信息、训练日志与评估结果。[JAIR/2000][1],[arXiv][5]
### 关键内容
- 分层轨迹:按子任务/子例程划分的`state, action, reward, next_state, done`序列
- 层级标注:`hierarchy_level``subtask_id`、进入/退出条件、抽象状态信息
- 价值分解:用于 MAXQ 的加性价值分解字段与局部回报统计
- 训练/评估:不同随机种子与超参数的训练日志、评估回报与方差
### 关键统计(待补全)
- 任务数:<填写数量>
- 总轨迹数:<填写数量>
- 数据体量:<填写GB>
- 训练随机种子:<seed 列表>
- 评估指标:平均回报 ± 方差(按任务/层级)
### 数据模态覆盖(待补全)
- 轨迹文件:<格式,如 npz/hdf5/jsonl>
- 层级标注:<文件或内嵌字段>
- 日志与模型引用:<日志文件>;策略权重建议在模型仓库发布并在此引用
---
## 🚀 Quick Start
### 1) 仅加载数据集元数据
```python
from datasets import load_dataset
dataset = load_dataset("<your-username>/hvd-maxq-rebuttal")
episode = dataset['train'][0]
print(episode['episode_id'])
print(episode['env_name'])
print(len(episode['transitions']))
```
### 2) 按需下载特定文件
```python
from huggingface_hub import hf_hub_download
traj_path = hf_hub_download(
repo_id="<your-username>/hvd-maxq-rebuttal",
filename="trajectories/<episode_id>.npz",
repo_type="dataset",
)
hier_path = hf_hub_download(
repo_id="<your-username>/hvd-maxq-rebuttal",
filename="hierarchy/<episode_id>.json",
repo_type="dataset",
)
```
### 3) 克隆完整数据集(含大型文件)
```bash
git lfs install
git clone https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal
```
---
## 📚 数据字段说明
每个`episode`包含:
### 元数据字段
- `episode_id`: 唯一标识
- `env_name`: 环境或任务名称
- `hierarchy_spec`: 层级结构摘要(JSON 字符串或对象)
- `seed`: 随机种子
- `algo`: 训练算法(如 MAXQ-Q)
- `hyperparams`: 关键超参数摘要
### 序列数据
- `transitions`: 列表项包含 `state`, `action`, `reward`, `next_state`, `done`
- `subtasks`: 子任务序列与边界,含 `subtask_id`, `level`, `enter_t`, `exit_t`
- `value_decomp`: 分解后的价值或回报统计(用于加性分解的相关量)
---
## 💡 使用示例
### 1) 浏览与筛选
```python
from datasets import load_dataset
ds = load_dataset("<your-username>/hvd-maxq-rebuttal")
train = ds['train']
filtered = train.filter(lambda x: x['env_name'] == '<env>' and x['seed'] == 0)
print(len(filtered))
```
### 2) 构建层级滚动回放
```python
episode = train[0]
for st in episode['subtasks']:
seg = episode['transitions'][st['enter_t']:st['exit_t']]
# 在此进行子任务级评估或可视化
```
### 3) 价值分解校验(示例占位)
```python
import numpy as np
vd = episode['value_decomp']
_ = np.array(vd['local_returns']).sum()
```
---
## 🎯 适用场景
- 分层强化学习复现与评估(MAXQ 框架)
- 离线强化学习与价值分解方法研究
- 子任务/抽象状态设计与层级策略分析
- 与模型仓库中策略权重联合使用进行端到端评测
---
## 📖 数据集细节(待补全)
### 数据来源与生成
- 环境:<列出实验环境/任务>
- 采集流程:<说明采集管线、抽象/子任务划分策略>
- 训练配置:<训练步数、学习率、探索策略等>
### 评估设置
- 指标:平均回报、方差、收敛步数等
- 重复次数与随机种子:<填写>
---
## 🔐 隐私与合规
- 数据来源于仿真,未包含个人隐私信息
- 许可证与使用限制:见下方 License
---
## ⚠️ 已知局限(待补全)
- 层级标注依赖特定实现,跨环境迁移需校验
- 抽象状态选择可能影响价值分解稳定性
---
## 📜 License
MIT License - 见 `LICENSE`
---
## 📚 引用
### 论文
> Dietterich, T. G. (2000). Hierarchical Reinforcement Learning with the MAXQ Value Function Decomposition. Journal of Artificial Intelligence Research. [JAIR][1], [arXiv][5]
### 数据集
```bibtex
@dataset{hvd_maxq_rebuttal_2025,
title={Hierarchical Value Decomposition (MAXQ) — Rebuttal Dataset},
author={<your name>},
year={2025},
publisher={HuggingFace},
url={https://huggingface.co/datasets/<your-username>/hvd-maxq-rebuttal}
}
```
---
## 👥 Authors
<your name(s)>
---
## 📞 Contact & Contributions
- 在数据集页面开启讨论或提 Issue
- 联系邮箱:<your email>
---
## 📋 Changelog
- v1.0 (2025): 首次公开发布,含核心层级轨迹与评估结果
---
[1]: https://jair.org/index.php/jair/article/view/10266
[5]: https://arxiv.org/abs/cs/9905014