austin_sirius_dataset_converted_externally_to_rlds

  • Opis :

Zadania manipulacyjne na stole Franka

Podział Przykłady
'train' 559
  • 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 [3x ee relative pos, 3x ee relative rotation, 1x gripper action].),
        'action_mode': Tensor(shape=(1,), dtype=float32, description=Type of interaction. -1: initial human demonstration. 1: intervention. 0: autonomuos robot execution (includes pre-intervention class)),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'intv_label': Tensor(shape=(1,), dtype=float32, description=Same as action_modes, except 15 timesteps preceding intervention are labeled as -10.),
        '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=(84, 84, 3), dtype=uint8, description=Main camera RGB observation.),
            'state': Tensor(shape=(8,), dtype=float32, description=Default robot state, consists of [7x robot joint state, 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.),
            'wrist_image': Image(shape=(84, 84, 3), dtype=uint8, description=Wrist camera RGB observation.),
        }),
        '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 [3x ee względnego położenia, 3x ee względnego obrotu, 1x działania chwytaka].
kroki/tryb_akcji Napinacz (1,) pływak32 Rodzaj interakcji. -1: wstępna demonstracja na ludziach. 1: interwencja. 0: wykonanie robota autonomicznego (obejmuje zajęcia przedinterwencyjne)
kroki/rabat Skalarny pływak32 Rabat, jeśli jest podany, domyślnie wynosi 1.
kroki/intv_label Napinacz (1,) pływak32 To samo co tryby akcji, z tą różnicą, że 15 kroków poprzedzających interwencję jest oznaczonych jako -10.
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 (84, 84, 3) uint8 Główna kamera obserwacji RGB.
kroki/obserwacja/stan Napinacz (8,) pływak32 Domyślny stan robota składa się z [7x stan połączenia robota, 1x stan chwytaka].
kroki/obserwacja/stan_ee Napinacz (16,) pływak32 Stan efektora końcowego, reprezentowany jako jednorodna macierz transformacji 4x4 pozycji ee.
kroki/obserwacja/chwyt_stanu Napinacz (1,) pływak32 Szerokość otwarcia chwytaka robota. Zakresy od ~0 (zamknięte) do ~0,077 (otwarte)
kroki/obserwacja/połączenie_stanu Napinacz (7,) pływak32 Wspólne informacje o robotze 7-dof.
kroki/obserwacja/obraz_nadgarstka Obraz (84, 84, 3) uint8 Kamera nadgarstkowa do obserwacji RGB.
kroki/nagroda Skalarny pływak32 Nagroda, jeśli jest zapewniona, 1 na ostatnim etapie w przypadku wersji demonstracyjnych.
  • Cytat :
@inproceedings{liu2022robot,
    title = {Robot Learning on the Job: Human-in-the-Loop Autonomy and Learning During Deployment},
    author = {Huihan Liu and Soroush Nasiriany and Lance Zhang and Zhiyao Bao and Yuke Zhu},
    booktitle = {Robotics: Science and Systems (RSS)},
    year = {2023}
}