columbia_cairlab_pusht_real

  • Descripción :

Tareas de empuje plano UR5

Dividir Ejemplos
'test' 14
'train' 122
  • Estructura de características :
FeaturesDict({
    'steps': Dataset({
        'action': FeaturesDict({
            'gripper_closedness_action': float32,
            'rotation_delta': Tensor(shape=(3,), dtype=float32, description=Delta change in roll, pitch, yaw.),
            'terminate_episode': float32,
            'world_vector': Tensor(shape=(3,), dtype=float32, description=Delta change in XYZ.),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'image': Image(shape=(240, 320, 3), dtype=uint8),
            'natural_language_embedding': Tensor(shape=(512,), dtype=float32),
            'natural_language_instruction': string,
            'robot_state': Tensor(shape=(2,), dtype=float32, description=Robot end effector XY state),
            'wrist_image': Image(shape=(240, 320, 3), dtype=uint8),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
pasos Conjunto de datos
pasos/acción FuncionesDict
pasos/acción/gripper_closedness_action Tensor flotador32 1 si cierra la pinza, -1 si abre la pinza, 0 si no hay cambios.
pasos/acción/rotation_delta Tensor (3,) flotador32 Cambio delta en balanceo, cabeceo y guiñada.
pasos/acción/terminar_episodio Tensor flotador32
pasos/acción/world_vector Tensor (3,) flotador32 Cambio delta en XYZ.
pasos/es_primero Tensor booleano
pasos/es_último Tensor booleano
pasos/es_terminal Tensor booleano
pasos/observación FuncionesDict
pasos/observación/imagen Imagen (240, 320, 3) uint8
pasos/observación/incrustación_del_lenguaje_natural Tensor (512,) flotador32
pasos/observación/instrucción_lenguaje_natural Tensor cadena
pasos/observación/robot_state Tensor (2,) flotador32 Estado XY del efector final del robot
pasos/observación/imagen_muñeca Imagen (240, 320, 3) uint8
pasos/recompensa Escalar flotador32
  • Cita :
@inproceedings{chi2023diffusionpolicy,
    title={Diffusion Policy: Visuomotor Policy Learning via Action Diffusion},
    author={Chi, Cheng and Feng, Siyuan and Du, Yilun and Xu, Zhenjia and Cousineau, Eric and Burchfiel, Benjamin and Song, Shuran},
    booktitle={Proceedings of Robotics: Science and Systems (RSS)},
    year={2023}
}