robosuite_panda_pick_place_can

• বর্ণনা :

এই ডেটাসেটগুলি রোবোসুইট রোবোটিক আর্ম সিমুলেটরের পিকপ্লেসক্যান পরিবেশের সাথে তৈরি করা হয়েছে। মানব ডেটাসেটগুলি RLDS ক্রিয়েটর এবং একটি গেমপ্যাড কন্ট্রোলার ব্যবহার করে একটি একক অপারেটর দ্বারা রেকর্ড করা হয়েছিল।

সিনথেটিক ডেটাসেটগুলি EnvLogger লাইব্রেরি ব্যবহার করে রেকর্ড করা হয়েছে।

ডেটাসেটগুলি ধাপ এবং পর্বগুলি উপস্থাপন করতে RLDS বিন্যাস অনুসরণ করে।

পর্ব 400টি ধাপ নিয়ে গঠিত। প্রতিটি পর্বে, একটি ট্যাগ যোগ করা হয় যখন কাজটি সম্পন্ন হয়, এই ট্যাগটি কাস্টম ধাপের মেটাডেটার অংশ হিসাবে সংরক্ষণ করা হয়।

মনে রাখবেন, EnvLogger নির্ভরতার কারণে, এই ডেটাসেট তৈরি করা বর্তমানে শুধুমাত্র Linux পরিবেশে সমর্থিত।

• সোর্স কোড : tfds.rlds.datasets.robosuite_panda_pick_place_can.RobosuitePandaPickPlaceCan

• সংস্করণ :

  • 1.0.0 (ডিফল্ট): প্রাথমিক প্রকাশ।

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদ্ধৃতি :

@misc{ramos2021rlds,
      title={RLDS: an Ecosystem to Generate, Share and Use Datasets in Reinforcement Learning},
      author={Sabela Ramos and Sertan Girgin and Léonard Hussenot and Damien Vincent and Hanna Yakubovich and Daniel Toyama and Anita Gergely and Piotr Stanczyk and Raphael Marinier and Jeremiah Harmsen and Olivier Pietquin and Nikola Momchev},
      year={2021},
      eprint={2111.02767},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

robosuite_panda_pick_place_can/human_dc29b40a (ডিফল্ট কনফিগারেশন)

• কনফিগারেশনের বিবরণ : মানব উৎপন্ন ডেটাসেট (50 পর্ব)।

• হোমপেজ : https://github.com/google-research/rlds

• ডাউনলোড সাইজ : 96.67 MiB

• ডেটাসেটের আকার : 407.24 MiB

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float64),
            'Can_quat': Tensor(shape=(4,), dtype=float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'object-state': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float64),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• উদাহরণ ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/human_images_dc29b40a

• কনফিগারেশনের বিবরণ : পর্যবেক্ষণে বিভিন্ন ক্যামেরা অ্যাঙ্গেল সহ ছবি সহ মানব উৎপন্ন ডেটাসেট। মনে রাখবেন এটি তৈরি হতে কিছু সময় লাগতে পারে।

• হোমপেজ : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

• ডাউনলোড সাইজ : 10.95 GiB

• ডেটাসেটের আকার : 7.53 GiB

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float64),
            'Can_quat': Tensor(shape=(4,), dtype=float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'agentview_image': Image(shape=(256, 256, 3), dtype=uint8),
            'birdview_image': Image(shape=(256, 256, 3), dtype=uint8),
            'object-state': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_eye_in_hand_image': Image(shape=(256, 256, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float64),
            'robot0_robotview_image': Image(shape=(256, 256, 3), dtype=uint8),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• উদাহরণ ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

• কনফিগারেশনের বিবরণ : SAC (200 পর্ব) এর সাথে প্রশিক্ষিত একটি স্টোকাস্টিক এজেন্ট দ্বারা তৈরি সিন্থেটিক ডেটাসেট।

• হোমপেজ : https://github.com/google-research/rlds

• ডাউনলোড সাইজ : 144.44 MiB

• ডেটাসেটের আকার : 622.86 MiB

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float32),
            'Can_quat': Tensor(shape=(4,), dtype=float32),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float32),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'object-state': Tensor(shape=(14,), dtype=float32),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float32),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float32),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float32),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float32),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float32),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float32),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float32),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• উদাহরণ ( tfds.as_dataframe ):