asu_table_top_converted_externally_to_rlds

  • Opis :

UR5 wykonujący zadania podnoszenia/umieszczania/obracania ze stołu

Podział Przykłady
'train' 110
  • Struktura funkcji :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32, description=Robot action, consists of [7x joint velocities, 2x gripper velocities, 1x terminate episode].),
        'action_delta': Tensor(shape=(7,), dtype=float32, description=Robot delta action, consists of [7x joint velocities, 2x gripper velocities, 1x terminate episode].),
        'action_inst': Text(shape=(), dtype=string),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'goal_object': Text(shape=(), dtype=string),
        'ground_truth_states': FeaturesDict({
            'EE': Tensor(shape=(6,), dtype=float32, description=xyzrpy),
            'bottle': Tensor(shape=(6,), dtype=float32, description=xyzrpy),
            'bread': Tensor(shape=(6,), dtype=float32, description=xyzrpy),
            'coke': Tensor(shape=(6,), dtype=float32, description=xyzrpy),
            'cube': Tensor(shape=(6,), dtype=float32, description=xyzrpy),
            'milk': Tensor(shape=(6,), dtype=float32, description=xyzrpy),
            'pepsi': Tensor(shape=(6,), dtype=float32, description=xyzrpy),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'image': Image(shape=(224, 224, 3), dtype=uint8, description=Main camera RGB observation.),
            'state': Tensor(shape=(7,), dtype=float32, description=Robot state, consists of [6x robot joint angles, 1x gripper position].),
            'state_vel': Tensor(shape=(7,), dtype=float32, description=Robot joint velocity, consists of [6x robot joint angles, 1x gripper position].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
metadane_odcinka FunkcjeDykt
metadane_odcinka/ścieżka_pliku Tekst smyczkowy Ścieżka do oryginalnego pliku danych.
kroki Zbiór danych
kroki/akcja Napinacz (7,) pływak32 Działanie robota składa się z [7x prędkości przegubu, 2x prędkości chwytaka, 1x odcinek końcowy].
kroki/delta_akcji Napinacz (7,) pływak32 Działanie delta robota, składa się z [7x prędkości stawów, 2x prędkości chwytaka, 1x odcinek końcowy].
kroki/inst.akcji Tekst smyczkowy Czynność do wykonania.
kroki/rabat Skalarny pływak32 Rabat, jeśli jest podany, domyślnie wynosi 1.
kroki/obiekt_celu Tekst smyczkowy Obiekt, którym można manipulować.
kroki/stany_prawdy_podstawowej FunkcjeDykt
kroki/ground_truth_states/EE Napinacz (6,) pływak32 xyzrpy
kroki/ground_truth_states/butelka Napinacz (6,) pływak32 xyzrpy
kroki/ground_truth_states/bread Napinacz (6,) pływak32 xyzrpy
kroki/ground_truth_states/koks Napinacz (6,) pływak32 xyzrpy
kroki/ground_truth_states/cube Napinacz (6,) pływak32 xyzrpy
kroki/ground_truth_states/milk Napinacz (6,) pływak32 xyzrpy
kroki/ground_truth_states/pepsi Napinacz (6,) pływak32 xyzrpy
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/osadzanie_języka Napinacz (512,) pływak32 Osadzanie języka Kona. Zobacz https://tfhub.dev/google/universal-sentence-encoder-large/5
kroki/instrukcja_językowa Tekst smyczkowy Instrukcja językowa.
kroki/obserwacje FunkcjeDykt
kroki/obserwacja/obraz Obraz (224, 224, 3) uint8 Główna kamera obserwacji RGB.
kroki/obserwacja/stan Napinacz (7,) pływak32 Stan robota, składa się z [6x kątów przegubów robota, 1x pozycji chwytaka].
kroki/obserwacja/stan_poziomu Napinacz (7,) pływak32 Prędkość połączenia robota składa się z [6x kątów połączenia robota, 1x pozycji chwytaka].
kroki/nagroda Skalarny pływak32 Nagroda, jeśli jest zapewniona, 1 na ostatnim etapie w przypadku wersji demonstracyjnych.
  • Cytat :
@inproceedings{zhou2023modularity,
  title={Modularity through Attention: Efficient Training and Transfer of Language-Conditioned Policies for Robot Manipulation},
  author={Zhou, Yifan and Sonawani, Shubham and Phielipp, Mariano and Stepputtis, Simon and Amor, Heni},
  booktitle={Conference on Robot Learning},
  pages={1684--1695},
  year={2023},
  organization={PMLR}
}
@article{zhou2023learning,
  title={Learning modular language-conditioned robot policies through attention},
  author={Zhou, Yifan and Sonawani, Shubham and Phielipp, Mariano and Ben Amor, Heni and Stepputtis, Simon},
  journal={Autonomous Robots},
  pages={1--21},
  year={2023},
  publisher={Springer}
}