eth_agent_affordances

  • وصف :

أفران فتح فرانكا -- نقطة سحاب + بروبريو فقط

ينقسم أمثلة
'train' 118
  • هيكل الميزة :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
        'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16, description=Point cloud (geometry only) of the object at the beginning of the episode (world frame) as a numpy array (10000,3).),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32, description=Robot action, consists of [end-effector velocity (v_x,v_y,v_z,omega_x,omega_y,omega_z) in world frame),
        '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=(64, 64, 3), dtype=uint8, description=Main camera RGB observation. Not available for this dataset, will be set to np.zeros.),
            'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16, description=Point cloud (geometry only) of the object at the beginning of the episode (world frame) as a numpy array (10000,3).),
            'state': Tensor(shape=(8,), dtype=float32, description=State, consists of [end-effector pose (x,y,z,yaw,pitch,roll) in world frame, 1x gripper open/close, 1x door opening angle].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
الحلقة_البيانات الوصفية المميزاتDict
Episode_metadata/file_path نص خيط المسار إلى ملف البيانات الأصلي.
Episode_metadata/input_point_cloud الموتر (10000، 3) تعويم16 نقطة السحابة (الهندسة فقط) للكائن في بداية الحلقة (الإطار العالمي) كمصفوفة عددية (10000,3).
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (6،) float32 يتكون عمل الروبوت من [سرعة المؤثر النهائي (v_x,v_y,v_z,omega_x,omega_y,omega_z) في الإطار العالمي
الخطوات/الخصم العددية float32 الخصم إذا تم توفيره، الافتراضي هو 1.
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/language_embedding الموتر (512،) float32 تضمين لغة كونا. راجع https://tfhub.dev/google/universal-sentence-encoder-large/5
الخطوات/language_instruction نص خيط تعليم اللغة.
الخطوات/الملاحظة المميزاتDict
الخطوات/الملاحظة/الصورة صورة (64، 64، 3) uint8 مراقبة الكاميرا الرئيسية RGB. غير متاح لمجموعة البيانات هذه، سيتم ضبطه على np.zeros.
الخطوات/الملاحظة/input_point_cloud الموتر (10000، 3) تعويم16 نقطة السحابة (الهندسة فقط) للكائن في بداية الحلقة (الإطار العالمي) كمصفوفة عددية (10000,3).
الخطوات/الملاحظة/الحالة الموتر (8،) float32 الحالة، تتكون من [وضعية المؤثر النهائي (x،y،z،yaw،pitch،roll) في الإطار العالمي، 1x مقبض مفتوح/مغلق، 1x زاوية فتح الباب].
خطوات/مكافأة العددية float32 مكافأة إذا تم توفيرها، 1 في الخطوة النهائية للعروض التوضيحية.
  • الاقتباس :
@inproceedings{schiavi2023learning,
  title={Learning agent-aware affordances for closed-loop interaction with articulated objects},
  author={Schiavi, Giulio and Wulkop, Paula and Rizzi, Giuseppe and Ott, Lionel and Siegwart, Roland and Chung, Jen Jen},
  booktitle={2023 IEEE International Conference on Robotics and Automation (ICRA)},
  pages={5916--5922},
  year={2023},
  organization={IEEE}
}