stanford_mask_vit_converted_externally_to_rlds

  • 설명 :

소이어가 쓰레기통에 있는 물건을 밀고 따는 모습

나뉘다
'train' 9,109
'val' 91
  • 기능 구조 :
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.),
    }),
})
  • 기능 문서 :
특징 수업 모양 Dtype 설명
특징Dict
에피소드_메타데이터 특징Dict
에피소드_메타데이터/파일_경로 텍스트 원본 데이터 파일의 경로입니다.
단계 데이터 세트
단계/작업 텐서 (5,) float32 로봇 동작은 [엔드 이펙터 위치 변경 3회, 그리퍼 요 1회, 그리퍼 열기/닫기 1회(-1은 그리퍼 열기를 의미, 1은 닫기를 의미)]로 구성됩니다.
걸음수/할인 스칼라 float32 할인이 제공되면 기본값은 1입니다.
걸음수/is_first 텐서 부울
걸음수/is_last 텐서 부울
단계/is_terminal 텐서 부울
단계/언어_임베딩 텐서 (512,) float32 코나 언어 임베딩. https://tfhub.dev/google/universal-sentence-encoder-large/5를 참조하세요.
단계/언어_지시 텍스트 언어 교육.
단계/관찰 특징Dict
단계/관찰/end_effor_pose 텐서 (5,) float32 로봇 엔드 이펙터 포즈는 [3x 데카르트 위치, 1x 그리퍼 요, 1x 그리퍼 위치]로 구성됩니다. MaskViT 논문에서 사용되는 상태입니다.
걸음수/관찰/finger_sensors 텐서 (1,) float32 1x Sawyer 그리퍼 핑거 센서.
단계/관측/상한_바운드 텐서 (5,) float32 엔드 이펙터 포즈 정규화의 상한입니다. [3x 데카르트 위치, 1x 그리퍼 요, 1x 그리퍼 위치]로 구성됩니다.
단계/관찰/이미지 영상 (480, 480, 3) uint8 메인 카메라 RGB 관찰.
단계/관찰/낮은_바운드 텐서 (5,) float32 엔드 이펙터 포즈 정규화에 대한 하한입니다. [3x 데카르트 위치, 1x 그리퍼 요, 1x 그리퍼 위치]로 구성됩니다.
단계/관찰/상태 텐서 (15,) float32 로봇 상태는 [7x 로봇 관절 각도, 7x 로봇 관절 속도, 1x 그리퍼 위치]로 구성됩니다.
걸음수/보상 스칼라 float32 제공되는 경우 보상, 데모의 마지막 단계에서 1개.
@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}
}