robosuite_panda_pick_place_can

• Tanım :

Bu veri kümeleri robosuite robotik kol simülatörünün PickPlaceCan ortamı ile oluşturulmuştur. İnsan veri kümeleri, RLDS Oluşturucu ve bir oyun kumandası denetleyicisi kullanılarak tek bir operatör tarafından kaydedildi.

Sentetik veri kümeleri EnvLogger kütüphanesi kullanılarak kaydedilmiştir.

Veri kümeleri, adımları ve bölümleri temsil etmek için RLDS formatını takip eder.

Bölümler 400 adımdan oluşuyor. Her bölümde, görev tamamlandığında bir etiket eklenir ve bu etiket, özel adım meta verilerinin bir parçası olarak saklanır.

EnvLogger bağımlılığı nedeniyle bu veri kümesinin oluşturulmasının şu anda yalnızca Linux ortamlarında desteklendiğini unutmayın.

• Kaynak kodu : tfds.rlds.datasets.robosuite_panda_pick_place_can.RobosuitePandaPickPlaceCan

• Sürümler :

  • 1.0.0 (varsayılan): İlk sürüm.

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Denetlenen anahtarlar ( as_supervised belgesine bakın): None

• Şekil ( tfds.show_examples ): Desteklenmiyor.

• Alıntı :

@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 (varsayılan yapılandırma)

• Yapılandırma açıklaması : İnsan tarafından oluşturulan veri kümesi (50 bölüm).

• Ana sayfa : https://github.com/google-research/rlds

• İndirme boyutu : 96.67 MiB

• Veri kümesi boyutu : 407.24 MiB

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/human_images_dc29b40a

• Yapılandırma açıklaması : Gözlemdeki farklı kamera açılarına sahip görüntüleri içeren, insan tarafından oluşturulan veri kümesi. Oluşturmanın biraz zaman alabileceğini unutmayın.

• Ana sayfa : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

• İndirme boyutu : 10.95 GiB

• Veri kümesi boyutu : 7.53 GiB

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

• Yapılandırma açıklaması : SAC (200 bölüm) ile eğitilmiş bir stokastik aracı tarafından oluşturulan sentetik veri kümesi.

• Ana sayfa : https://github.com/google-research/rlds

• İndirme boyutu : 144.44 MiB

• Veri kümesi boyutu : 622.86 MiB

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):