stanford_kuka_multimodal_dataset_converted_externally_to_rlds

  • Tanım :

Kuvvet geri beslemeli Kuka iiwa dübel yerleştirme

Bölmek Örnekler
'train' 3.000
  • Özellik yapısı :
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.),
    }),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
bölüm_meta verileri ÖzelliklerDict
adımlar Veri kümesi
adımlar/eylem Tensör (4,) kayan nokta32 Robot hareketi, [3x EEF konumu, 1x tutucu açma/kapama]'dan oluşur.
adımlar/indirim Skaler kayan nokta32 Sağlanırsa indirim, varsayılan olarak 1'dir.
adımlar/is_first Tensör bool
adımlar/is_last Tensör bool
adımlar/is_terminal Tensör bool
adımlar/dil_embedding Tensör (512,) kayan nokta32 Kona dili yerleştirme. Bkz. https://tfhub.dev/google/universal-sentence-encoder-large/5
adımlar/language_instruction Metin sicim Dil Öğretimi.
adımlar/gözlem ÖzelliklerDict
adımlar/gözlem/iletişim Tensör (50,) kayan nokta32 Robotun iletişim bilgileri.
adımlar/gözlem/derinlik_image Tensör (128, 128, 1) kayan nokta32 Ana derinlik kamera gözlemi.
adımlar/gözlem/ee_forces_continuous Tensör (50, 6) kayan nokta32 Robot uç efektör kuvvetleri.
adımlar/gözlem/ee_orientation Tensör (4,) kayan nokta32 Robot uç efektör oryantasyonu kuaterniyonu.
adımlar/gözlem/ee_orientation_vel Tensör (3,) kayan nokta32 Robot uç efektör yönlendirme hızı.
adımlar/gözlem/ee_position Tensör (3,) kayan nokta32 Robot uç efektör konumu.
adımlar/gözlem/ee_vel Tensör (3,) kayan nokta32 Robot uç efektör hızı.
adımlar/gözlem/ee_yaw Tensör (4,) kayan nokta32 Robot uç efektörü yalpalama.
adımlar/gözlem/ee_yaw_delta Tensör (4,) kayan nokta32 Robot uç efektörü sapma deltası.
adımlar/gözlem/görüntü Resim (128, 128, 3) uint8 Ana kamera RGB gözlemi.
adımlar/gözlem/ortak_pos Tensör (7,) kayan nokta32 Robot eklem pozisyonları.
adımlar/gözlem/joint_vel Tensör (7,) kayan nokta32 Robot eklem hızları.
adımlar/gözlem/optik_akış Tensör (128, 128, 2) kayan nokta32 Optik akış.
adımlar/gözlem/durum Tensör (8,) kayan nokta32 Robotun propriyoseptif bilgisi, [7x eklem konumu, 1x tutucu açık/kapalı].
adımlar/ödül Skaler kayan nokta32 Sağlandığı takdirde ödül, demolar için son adımda 1.
@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}
}