aloha_mobile

  • বর্ণনা :

বাস্তব ডেটাসেট। মোবাইল ম্যানিপুলেশন কাজগুলি অনুকরণ করা যা বাইম্যানুয়াল এবং পুরো শরীর নিয়ন্ত্রণের প্রয়োজন। প্রতিটি কাজের জন্য 50টি প্রদর্শন।

বিভক্ত উদাহরণ
'train' 276
  • বৈশিষ্ট্য গঠন :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(16,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_instruction': string,
        'observation': FeaturesDict({
            'cam_high': Image(shape=(480, 640, 3), dtype=uint8),
            'cam_left_wrist': Image(shape=(480, 640, 3), dtype=uint8),
            'cam_right_wrist': Image(shape=(480, 640, 3), dtype=uint8),
            'state': Tensor(shape=(14,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য ক্লাস আকৃতি ডিটাইপ বর্ণনা
ফিচারসডিক্ট
episode_metadata ফিচারসডিক্ট
episode_metadata/file_path টেনসর স্ট্রিং
পদক্ষেপ ডেটাসেট
পদক্ষেপ/ক্রিয়া টেনসর (16,) float32
পদক্ষেপ/ছাড় স্কেলার float32
steps/is_first টেনসর bool
ধাপ/শেষ_শেষ টেনসর bool
steps/is_terminal টেনসর bool
পদক্ষেপ/ভাষা_নির্দেশ টেনসর স্ট্রিং
পদক্ষেপ/পর্যবেক্ষণ ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/ক্যাম_হাই ছবি (480, 640, 3) uint8
পদক্ষেপ/অবজারভেশন/ক্যাম_বাম_কব্জি ছবি (480, 640, 3) uint8
পদক্ষেপ/পর্যবেক্ষণ/ক্যাম_রাইট_কব্জি ছবি (480, 640, 3) uint8
পদক্ষেপ/পর্যবেক্ষণ/রাষ্ট্র টেনসর (14,) float32
পদক্ষেপ/পুরস্কার স্কেলার float32
  • উদ্ধৃতি :
@inproceedings{fu2024mobile,author = {Fu, Zipeng and Zhao, Tony Z. and Finn, Chelsea},title = {Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation},booktitle = {arXiv},year = {2024},}