- وصف :
سوير يدفع ويلتقط الأشياء في سلة المهملات
الصفحة الرئيسية : https://arxiv.org/abs/2206.11894
كود المصدر :
tfds.robotics.rtx.StanfordMaskVitConvertedExternallyToRlds
الإصدارات :
-
0.1.0
(افتراضي): الإصدار الأولي.
-
حجم التحميل :
Unknown size
حجم مجموعة البيانات :
76.17 GiB
التخزين المؤقت التلقائي ( الوثائق ): لا
الإنشقاقات :
ينقسم | أمثلة |
---|---|
'train' | 9,109 |
'val' | 91 |
- هيكل الميزة :
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.),
}),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع D | وصف |
---|---|---|---|---|
المميزاتDict | ||||
الحلقة_البيانات الوصفية | المميزاتDict | |||
Episode_metadata/file_path | نص | خيط | المسار إلى ملف البيانات الأصلي. | |
خطوات | مجموعة البيانات | |||
الخطوات/الإجراء | الموتر | (5،) | float32 | يتكون عمل الروبوت من [تغيير 3x في موضع المستجيب النهائي، 1x انعراج المقبض، 1x ماسك الفتح/الإغلاق (-1 يعني فتح المقبض، 1 يعني الإغلاق)]. |
الخطوات/الخصم | العددية | float32 | الخصم إذا تم توفيره، الافتراضي هو 1. | |
الخطوات/is_first | الموتر | منطقي | ||
الخطوات/is_last | الموتر | منطقي | ||
الخطوات/is_terminal | الموتر | منطقي | ||
الخطوات/language_embedding | الموتر | (512،) | float32 | تضمين لغة كونا. راجع https://tfhub.dev/google/universal-sentence-encoder-large/5 |
الخطوات/language_instruction | نص | خيط | تعليم اللغة. | |
الخطوات/الملاحظة | المميزاتDict | |||
الخطوات/الملاحظة/end_effector_pose | الموتر | (5،) | float32 | وضعية المستجيب النهائي للروبوت، تتكون من [وضعية ديكارتية 3x، انعراج المقبض 1x، وضعية المقبض 1x]. هذه هي الحالة المستخدمة في ورقة MaskViT. |
الخطوات/الملاحظة/finger_sensors | الموتر | (1،) | float32 | 1 × مستشعرات أصابع سوير. |
الخطوات/الملاحظة/high_bound | الموتر | (5،) | float32 | حدود عالية لتطبيع المؤثر النهائي. يتكون من [3x وضع ديكارتي، 1x انعراج القابض، 1x موضع القابض]. |
الخطوات/الملاحظة/الصورة | صورة | (480، 480، 3) | uint8 | مراقبة الكاميرا الرئيسية RGB. |
الخطوات/الملاحظة/low_bound | الموتر | (5،) | float32 | الحد الأدنى لتطبيع المؤثر النهائي. يتكون من [3x وضع ديكارتي، 1x انعراج القابض، 1x موضع القابض]. |
الخطوات/الملاحظة/الحالة | الموتر | (15،) | float32 | حالة الروبوت، تتكون من [7x زوايا مفصل الروبوت، 7x سرعات مفصل الروبوت، 1x موضع القابض]. |
خطوات/مكافأة | العددية | float32 | مكافأة إذا تم توفيرها، 1 في الخطوة النهائية للعروض التوضيحية. |
المفاتيح الخاضعة للإشراف (راجع
as_supervised
doc ):None
الشكل ( tfds.show_examples ): غير مدعوم.
أمثلة ( tfds.as_dataframe ): مفقود.
الاقتباس :
@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}
}