stanford_kuka_multimodal_dataset_converted_externally_to_rlds

  • Opis :

Wkładanie kołków Kuka iiwa z siłowym sprzężeniem zwrotnym

Podział Przykłady
'train' 3000
  • Struktura funkcji :
FeaturesDict({
    'episode_metadata': FeaturesDict({
    }),
    'steps': Dataset({
        'action': Tensor(shape=(4,), dtype=float32, description=Robot action, consists of [3x EEF position, 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({
            'contact': Tensor(shape=(50,), dtype=float32, description=Robot contact information.),
            'depth_image': Tensor(shape=(128, 128, 1), dtype=float32, description=Main depth camera observation.),
            'ee_forces_continuous': Tensor(shape=(50, 6), dtype=float32, description=Robot end-effector forces.),
            'ee_orientation': Tensor(shape=(4,), dtype=float32, description=Robot end-effector orientation quaternion.),
            'ee_orientation_vel': Tensor(shape=(3,), dtype=float32, description=Robot end-effector orientation velocity.),
            'ee_position': Tensor(shape=(3,), dtype=float32, description=Robot end-effector position.),
            'ee_vel': Tensor(shape=(3,), dtype=float32, description=Robot end-effector velocity.),
            'ee_yaw': Tensor(shape=(4,), dtype=float32, description=Robot end-effector yaw.),
            'ee_yaw_delta': Tensor(shape=(4,), dtype=float32, description=Robot end-effector yaw delta.),
            'image': Image(shape=(128, 128, 3), dtype=uint8, description=Main camera RGB observation.),
            'joint_pos': Tensor(shape=(7,), dtype=float32, description=Robot joint positions.),
            'joint_vel': Tensor(shape=(7,), dtype=float32, description=Robot joint velocities.),
            'optical_flow': Tensor(shape=(128, 128, 2), dtype=float32, description=Optical flow.),
            'state': Tensor(shape=(8,), dtype=float32, description=Robot proprioceptive information, [7x joint pos, 1x gripper open/close].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
metadane_odcinka FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (4,) pływak32 Akcja robota składa się z [3x pozycja EEF, 1x otwarcie/zamknięcie chwytaka].
kroki/rabat Skalarny pływak32 Rabat, jeśli jest podany, domyślnie wynosi 1.
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/osadzanie_języka Napinacz (512,) pływak32 Osadzanie języka Kona. Zobacz https://tfhub.dev/google/universal-sentence-encoder-large/5
kroki/instrukcja_językowa Tekst smyczkowy Instrukcja językowa.
kroki/obserwacje FunkcjeDykt
kroki/obserwacja/kontakt Napinacz (50,) pływak32 Dane kontaktowe robota.
kroki/obserwacja/obraz_głębokości Napinacz (128, 128, 1) pływak32 Obserwacja z głównej kamery głębinowej.
kroki/obserwacja/ee_forces_continuous Napinacz (50, 6) pływak32 Siły efektora końcowego robota.
kroki/obserwacja/orientacja_ee Napinacz (4,) pływak32 Kwaternion orientacji efektora końcowego robota.
kroki/obserwacja/ee_orientation_vel Napinacz (3,) pływak32 Prędkość orientacji efektora końcowego robota.
kroki/obserwacja/pozycja_ee Napinacz (3,) pływak32 Pozycja efektora końcowego robota.
kroki/obserwacja/ee_vel Napinacz (3,) pływak32 Prędkość efektora końcowego robota.
kroki/obserwacja/ee_yaw Napinacz (4,) pływak32 Odchylenie efektora końcowego robota.
kroki/obserwacja/ee_yaw_delta Napinacz (4,) pływak32 Delta odchylenia efektora końcowego robota.
kroki/obserwacja/obraz Obraz (128, 128, 3) uint8 Obserwacja RGB z głównej kamery.
kroki/obserwacja/połączenie_połączenia Napinacz (7,) pływak32 Wspólne pozycje robota.
kroki/obserwacja/wspólny_vel Napinacz (7,) pływak32 Prędkości stawów robota.
kroki/obserwacja/przepływ_optyczny Napinacz (128, 128, 2) pływak32 Przepływ optyczny.
kroki/obserwacja/stan Napinacz (8,) pływak32 Informacje proprioceptywne robota, [7x pozycja stawu, 1x chwytak otwarty/zamknięty].
kroki/nagroda Skalarny pływak32 Nagroda, jeśli jest zapewniona, 1 na ostatnim etapie w przypadku wersji demonstracyjnych.
@inproceedings{lee2019icra,
  title={Making sense of vision and touch: Self-supervised learning of multimodal representations for contact-rich tasks},
  author={Lee, Michelle A and Zhu, Yuke and Srinivasan, Krishnan and Shah, Parth and Savarese, Silvio and Fei-Fei, Li and  Garg, Animesh and Bohg, Jeannette},
  booktitle={2019 IEEE International Conference on Robotics and Automation (ICRA)},
  year={2019},
  url={https://arxiv.org/abs/1810.10191}
}