stanford_mask_vit_converted_externally_to_rlds

  • Descrizione :

Sawyer spinge e raccoglie oggetti in un cestino

Diviso Esempi
'train' 9.109
'val' 91
  • Struttura delle caratteristiche :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(5,), dtype=float32, description=Robot action, consists of [3x change in end effector position, 1x gripper yaw, 1x open/close gripper (-1 means to open the gripper, 1 means 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({
            'end_effector_pose': Tensor(shape=(5,), dtype=float32, description=Robot end effector pose, consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position]. This is the state used in the MaskViT paper.),
            'finger_sensors': Tensor(shape=(1,), dtype=float32, description=1x Sawyer gripper finger sensors.),
            'high_bound': Tensor(shape=(5,), dtype=float32, description=High bound for end effector pose normalization. Consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position].),
            'image': Image(shape=(480, 480, 3), dtype=uint8, description=Main camera RGB observation.),
            'low_bound': Tensor(shape=(5,), dtype=float32, description=Low bound for end effector pose normalization. Consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position].),
            'state': Tensor(shape=(15,), dtype=float32, description=Robot state, consists of [7x robot joint angles, 7x robot joint velocities,1x gripper position].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
metadati_episodio CaratteristicheDict
metadati_episodio/percorso_file Testo corda Percorso del file di dati originale.
passi Set di dati
passi/azione Tensore (5,) float32 L'azione del robot consiste in [3x modifica della posizione dell'effettore finale, 1x imbardata della pinza, 1x apertura/chiusura della pinza (-1 significa aprire la pinza, 1 significa chiudere)].
passi/sconto Scalare float32 Sconto se fornito, il valore predefinito è 1.
passi/è_primo Tensore bool
passi/è_ultimo Tensore bool
passi/è_terminale Tensore bool
passaggi/incorporamento_lingua Tensore (512,) float32 Incorporamento del linguaggio Kona. Vedi https://tfhub.dev/google/universal-sentence-encoder-large/5
passi/lingua_istruzioni Testo corda Insegnamento della lingua.
passi/osservazione CaratteristicheDict
passi/osservazione/end_effector_pose Tensore (5,) float32 La posa dell'effettore finale del robot consiste in [3x posizione cartesiana, 1x imbardata della pinza, 1x posizione della pinza]. Questo è lo stato utilizzato nel documento MaskViT.
passi/osservazione/sensori_dito Tensore (1,) float32 1x sensori dito pinza Sawyer.
passi/osservazione/limite_alto Tensore (5,) float32 Limite alto per la normalizzazione della posa dell'effettore finale. Composto da [3x posizione cartesiana, 1x imbardata della pinza, 1x posizione della pinza].
passi/osservazione/immagine Immagine (480, 480, 3) uint8 Osservazione RGB della fotocamera principale.
passi/osservazione/limite_basso Tensore (5,) float32 Limite basso per la normalizzazione della posa dell'effettore finale. Composto da [3x posizione cartesiana, 1x imbardata della pinza, 1x posizione della pinza].
passi/osservazione/stato Tensore (15,) float32 Stato del robot, costituito da [7 angoli del giunto del robot, 7 velocità del giunto del robot, 1 posizione della pinza].
passi/ricompensa Scalare float32 Ricompensa se fornita, 1 nel passaggio finale per le demo.
@inproceedings{gupta2022maskvit,
  title={MaskViT: Masked Visual Pre-Training for Video Prediction},
  author={Agrim Gupta and Stephen Tian and Yunzhi Zhang and Jiajun Wu and Roberto Martín-Martín and Li Fei-Fei},
  booktitle={International Conference on Learning Representations},
  year={2022}
}