fmb

• Sự miêu tả :

Tập dữ liệu của chúng tôi bao gồm các đối tượng có hình dạng và hình học đa dạng. Nó đòi hỏi các kỹ năng vận động tinh đa giai đoạn và đa phương thức để lắp ráp thành công các chốt vào một tấm bảng không cố định trong một cảnh ngẫu nhiên. Chúng tôi đã thu thập tổng cộng 22.550 quỹ đạo qua hai nhiệm vụ khác nhau trên cánh tay Franka Panda. Chúng tôi ghi lại quỹ đạo từ 2 chế độ xem toàn cầu và 2 chế độ xem cổ tay. Mỗi chế độ xem chứa cả bản đồ RGB và độ sâu.

• Trang chủ : https://function-manipulation-benchmark.github.io/

• Mã nguồn : tfds.robotics.rtx.Fmb

• Phiên bản :

  • 0.1.0 (mặc định): Bản phát hành đầu tiên.

• Kích thước tải xuống : Unknown size

• Kích thước tập dữ liệu : 356.63 GiB

• Tự động lưu vào bộ nhớ đệm ( tài liệu ): Không

• Chia tách :

• Cấu trúc tính năng :

FeaturesDict({
    'episode_metadata': FeaturesDict({
        'episode_language_embedding': Tensor(shape=(512,), dtype=float32),
        'episode_language_instruction': string,
        'episode_task': string,
        'file_path': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32),
        'language_instruction': string,
        'observation': FeaturesDict({
            'color_id': Scalar(shape=(), dtype=uint8),
            'eef_force': Tensor(shape=(3,), dtype=float32),
            'eef_pose': Tensor(shape=(7,), dtype=float32),
            'eef_torque': Tensor(shape=(3,), dtype=float32),
            'eef_vel': Tensor(shape=(6,), dtype=float32),
            'image_side_1': Image(shape=(256, 256, 3), dtype=uint8),
            'image_side_1_depth': Tensor(shape=(256, 256), dtype=float32),
            'image_side_2': Image(shape=(256, 256, 3), dtype=uint8),
            'image_side_2_depth': Tensor(shape=(256, 256), dtype=float32),
            'image_wrist_1': Image(shape=(256, 256, 3), dtype=uint8),
            'image_wrist_1_depth': Tensor(shape=(256, 256), dtype=float32),
            'image_wrist_2': Image(shape=(256, 256, 3), dtype=uint8),
            'image_wrist_2_depth': Tensor(shape=(256, 256), dtype=float32),
            'joint_pos': Tensor(shape=(7,), dtype=float32),
            'joint_vel': Tensor(shape=(7,), dtype=float32),
            'length': string,
            'object_id': Scalar(shape=(), dtype=uint8),
            'primitive': string,
            'shape_id': Scalar(shape=(), dtype=uint8),
            'size': string,
            'state_gripper_pose': Scalar(shape=(), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})

• Tài liệu tính năng :

• Khóa được giám sát (Xem as_supervised doc ): None

• Hình ( tfds.show_examples ): Không được hỗ trợ.

• Ví dụ ( tfds.as_dataframe ):

• Trích dẫn :

https://doi.org/10.48550/arXiv.2401.08553