austin_sirius_dataset_converted_externally_to_rlds

  • คำอธิบาย :

งานจัดการบนโต๊ะของ Franka

แยก ตัวอย่าง
'train' 559
  • โครงสร้างคุณสมบัติ :
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.),
    }),
})
  • เอกสารคุณสมบัติ :
คุณสมบัติ ระดับ รูปร่าง ประเภทD คำอธิบาย
คุณสมบัติDict
ตอนที่_ข้อมูลเมตา คุณสมบัติDict
ตอนที่_metadata/file_path ข้อความ เชือก เส้นทางไปยังไฟล์ข้อมูลต้นฉบับ
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การดำเนินการ เทนเซอร์ (7,) ลอย32 การทำงานของหุ่นยนต์ ประกอบด้วย [ตำแหน่งสัมพันธ์ 3x ee, การหมุนสัมพันธ์ ee 3x, การทำงานของมือจับ 1x]
ขั้นตอน/การกระทำ_โหมด เทนเซอร์ (1,) ลอย32 ประเภทของการโต้ตอบ -1: การสาธิตของมนุษย์ครั้งแรก 1: การแทรกแซง 0: การดำเนินการหุ่นยนต์อัตโนมัติ (รวมคลาสก่อนการแทรกแซง)
ขั้นตอน/ส่วนลด สเกลาร์ ลอย32 ส่วนลดหากมีให้ ค่าเริ่มต้นคือ 1
ขั้นตอน/intv_label เทนเซอร์ (1,) ลอย32 เช่นเดียวกับ action_modes ยกเว้น 15 ก้าวก่อนหน้าการแทรกแซงจะมีป้ายกำกับเป็น -10
ขั้นตอน/is_first เทนเซอร์ บูล
ขั้นตอน/is_last เทนเซอร์ บูล
ขั้นตอน/is_terminal เทนเซอร์ บูล
ขั้นตอน/ภาษา_embedding เทนเซอร์ (512,) ลอย32 การฝังภาษาโคน่า ดู https://tfhub.dev/google/universal-sentence-encoder-large/5
ขั้นตอน/Language_instruction ข้อความ เชือก การสอนภาษา.
ขั้นตอน/การสังเกต คุณสมบัติDict
ขั้นตอน/การสังเกต/ภาพ ภาพ (84, 84, 3) uint8 การสังเกต RGB ของกล้องหลัก
ขั้นตอน/การสังเกต/สถานะ เทนเซอร์ (8,) ลอย32 สถานะเริ่มต้นของหุ่นยนต์ ประกอบด้วย [สถานะข้อต่อหุ่นยนต์ 7x, สถานะกริปเปอร์ 1x]
ขั้นตอน/การสังเกต/state_ee เทนเซอร์ (16,) ลอย32 สถานะเอนด์เอฟเฟ็กเตอร์ แสดงเป็นเมทริกซ์การแปลงเนื้อเดียวกัน 4x4 ของท่า ee
ขั้นตอน/การสังเกต/state_gripper เทนเซอร์ (1,) ลอย32 ความกว้างของการเปิดของมือจับหุ่นยนต์ ช่วงระหว่าง ~0 (ปิด) ถึง ~0.077 (เปิด)
ขั้นตอน/การสังเกต/state_joint เทนเซอร์ (7,) ลอย32 ข้อมูลข้อต่อหุ่นยนต์ 7-dof
ขั้นตอน/การสังเกต/wrist_image ภาพ (84, 84, 3) uint8 การสังเกต RGB ของกล้องข้อมือ
ขั้นตอน/รางวัล สเกลาร์ ลอย32 รางวัลหากมีให้ 1 ในขั้นตอนสุดท้ายสำหรับการสาธิต
  • การอ้างอิง :
@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}
}