columbia_cairlab_pusht_real

  • Description :

Tâches de poussée planaire UR5

Diviser Exemples
'test' 14
'train' 122
  • Structure des fonctionnalités :
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),
    }),
})
  • Documentation des fonctionnalités :
Fonctionnalité Classe Forme Type D Description
FonctionnalitésDict
mesures Ensemble de données
étapes/actions FonctionnalitésDict
étapes/action/gripper_closedness_action Tenseur flotteur32 1 si pince fermée, -1 si pince ouverte, 0 si aucun changement.
étapes/action/rotation_delta Tenseur (3,) flotteur32 Changement delta en roulis, tangage, lacet.
étapes/action/terminate_episode Tenseur flotteur32
étapes/action/world_vector Tenseur (3,) flotteur32 Changement delta dans XYZ.
étapes/is_first Tenseur bouffon
étapes/est_dernier Tenseur bouffon
étapes/is_terminal Tenseur bouffon
étapes/observation FonctionnalitésDict
étapes/observation/image Image (240, 320, 3) uint8
étapes/observation/natural_lingual_embedding Tenseur (512,) flotteur32
étapes/observation/instruction_langue_naturelle Tenseur chaîne
étapes/observation/robot_state Tenseur (2,) flotteur32 État XY de l’effecteur final du robot
étapes/observation/image_poignet Image (240, 320, 3) uint8
étapes/récompense Scalaire flotteur32
  • Citation :
@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}
}