iamlab_cmu_pickup_insert_converted_externally_to_rlds

Descrição :

Franka escolhendo objetos e tarefas de inserção

Página inicial : https://openreview.net/forum?id=WuBv9-IGDUA
Código fonte : tfds.robotics.rtx.IamlabCmuPickupInsertConvertedExternallyToRlds
Versões :
- 0.1.0 (padrão): versão inicial.
Tamanho do download : Unknown size
Tamanho do conjunto de dados : 50.29 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	631

Estrutura de recursos :

FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32, description=Robot action, consists of [3x end-effector position, 4x end-effector quaternion, 1x gripper open/close].),
        '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=(360, 640, 3), dtype=uint8, description=Main camera RGB observation.),
            'state': Tensor(shape=(20,), dtype=float32, description=Robot state, consists of [7x robot joint angles, 1x gripper status, 6x joint torques, 6x end-effector force].),
            'wrist_image': Image(shape=(240, 320, 3), dtype=uint8, description=Wrist camera RGB observation.),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})

Documentação de recursos :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
episódio_metadados	RecursosDict
episódio_metadados/caminho_do_arquivo	Texto		corda	Caminho para o arquivo de dados original.
passos	Conjunto de dados
etapas/ação	Tensor	(8,)	float32	A ação do robô consiste em [3x posição do atuador final, 4x quaternion do atuador final, 1x pinça aberta/fechada].
passos/desconto	Escalar		float32	Desconto, se fornecido, o padrão é 1.
passos/é_primeiro	Tensor		bool
passos/é_último	Tensor		bool
etapas/is_terminal	Tensor		bool
etapas/idioma_incorporação	Tensor	(512,)	float32	Incorporação da linguagem Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5
etapas/instrução_idioma	Texto		corda	Instrução de Idiomas.
etapas/observação	RecursosDict
passos/observação/imagem	Imagem	(360, 640, 3)	uint8	Observação RGB da câmera principal.
etapas/observação/estado	Tensor	(20,)	float32	O estado do robô consiste em [7x ângulos de junta do robô, 1x status da garra, 6x torques de junta, 6x força do efetor final].
passos/observação/imagem_de_pulso	Imagem	(240, 320, 3)	uint8	Observação RGB da câmera de pulso.
passos/recompensa	Escalar		float32	Recompensa, se fornecida, 1 na etapa final para demonstrações.

Chaves supervisionadas (consulte o documento as_supervised ): None
Figura ( tfds.show_examples ): Não suportado.
Exemplos ( tfds.as_dataframe ):

Citação :

@inproceedings{
saxena2023multiresolution,
title={Multi-Resolution Sensing for Real-Time Control with Vision-Language Models},
author={Saumya Saxena and Mohit Sharma and Oliver Kroemer},
booktitle={7th Annual Conference on Robot Learning},
year={2023},
url={https://openreview.net/forum?id=WuBv9-IGDUA}
}