austin_sailor_dataset_converted_externally_to_rlds

  • Tanım :

Franka sofra hazırlama görevleri

Bölmek Örnekler
'train' 240
  • Özellik yapısı :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32, description=Robot action, consists of [3x ee relative pos, 3x ee relative rotation, 1x gripper action].),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        '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=(128, 128, 3), dtype=uint8, description=Main camera RGB observation.),
            'state': Tensor(shape=(8,), dtype=float32, description=Default robot state, consists of [3x robot ee pos, 3x ee quat, 1x gripper state].),
            'state_ee': Tensor(shape=(16,), dtype=float32, description=End-effector state, represented as 4x4 homogeneous transformation matrix of ee pose.),
            'state_gripper': Tensor(shape=(1,), dtype=float32, description=Robot gripper opening width. Ranges between ~0 (closed) to ~0.077 (open)),
            'state_joint': Tensor(shape=(7,), dtype=float32, description=Robot 7-dof joint information (not used in original SAILOR dataset).),
            'wrist_image': Image(shape=(128, 128, 3), dtype=uint8, description=Wrist camera RGB observation.),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=True on last step of the episode.),
    }),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
bölüm_meta verileri ÖzelliklerDict
bölüm_metadata/dosya_yolu Metin sicim Orijinal veri dosyasının yolu.
adımlar Veri kümesi
adımlar/eylem Tensör (7,) kayan nokta32 Robot hareketi, [3x ee göreceli konum, 3x ee göreceli dönüş, 1x tutucu hareketi]'nden oluşur.
adımlar/indirim Skaler kayan nokta32 Sağlanırsa indirim, varsayılan olarak 1'dir.
adımlar/is_first Tensör bool
adımlar/is_last Tensör bool
adımlar/is_terminal Tensör bool
adımlar/dil_embedding Tensör (512,) kayan nokta32 Kona dili yerleştirme. Bkz. https://tfhub.dev/google/universal-sentence-encoder-large/5
adımlar/language_instruction Metin sicim Dil Öğretimi.
adımlar/gözlem ÖzelliklerDict
adımlar/gözlem/görüntü Resim (128, 128, 3) uint8 Ana kamera RGB gözlemi.
adımlar/gözlem/durum Tensör (8,) kayan nokta32 Varsayılan robot durumu, [3x robot ee pos, 3x ee quat, 1x tutucu durumu]'ndan oluşur.
adımlar/gözlem/durum_ee Tensör (16,) kayan nokta32 Ee pozunun 4x4 homojen dönüşüm matrisi olarak temsil edilen uç efektör durumu.
adımlar/gözlem/state_gripper Tensör (1,) kayan nokta32 Robot tutucunun açılma genişliği. ~0 (kapalı) ila ~0,077 (açık) arası aralıklar
adımlar/gözlem/durum_bağlantısı Tensör (7,) kayan nokta32 Robot 7-dof ortak bilgileri (orijinal SAILOR veri setinde kullanılmaz).
adımlar/gözlem/wrist_image Resim (128, 128, 3) uint8 Bilek kamerası RGB gözlemi.
adımlar/ödül Skaler kayan nokta32 Bölümün son adımında doğru.
  • Alıntı :
@inproceedings{nasiriany2022sailor,
      title={Learning and Retrieval from Prior Data for Skill-based Imitation Learning},
      author={Soroush Nasiriany and Tian Gao and Ajay Mandlekar and Yuke Zhu},
      booktitle={Conference on Robot Learning (CoRL)},
      year={2022}
    }