- Opis :
Sawyer pchający i zbierający przedmioty w koszu
Strona główna : https://arxiv.org/abs/2206.11894
Kod źródłowy :
tfds.robotics.rtx.StanfordMaskVitConvertedExternallyToRlds
Wersje :
-
0.1.0
(domyślnie): Wersja pierwsza.
-
Rozmiar pobierania :
Unknown size
Rozmiar zbioru danych :
76.17 GiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Podział | Przykłady |
---|---|
'train' | 9109 |
'val' | 91 |
- Struktura funkcji :
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.),
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDykt | ||||
metadane_odcinka | FunkcjeDykt | |||
metadane_odcinka/ścieżka_pliku | Tekst | smyczkowy | Ścieżka do oryginalnego pliku danych. | |
kroki | Zbiór danych | |||
kroki/akcja | Napinacz | (5,) | pływak32 | Akcja robota składa się z [3x zmiany położenia efektora końcowego, 1x odchylenia chwytaka, 1x otwarcia/zamknięcia chwytaka (-1 oznacza otwarcie chwytaka, 1 oznacza zamknięcie)]. |
kroki/rabat | Skalarny | pływak32 | Rabat, jeśli jest podany, domyślnie 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/pozycja_efektora końcowego | Napinacz | (5,) | pływak32 | Pozycja efektora końcowego robota składa się z [3x pozycja kartezjańska, 1x odchylenie chwytaka, 1x pozycja chwytaka]. Jest to stan zastosowany w artykule MaskViT. |
kroki/obserwacja/czujniki_palców | Napinacz | (1,) | pływak32 | 1x czujniki palcowe chwytaka Sawyer. |
kroki/obserwacja/wysoki_ograniczony | Napinacz | (5,) | pływak32 | Wysoka granica normalizacji pozycji efektora końcowego. Składa się z [3x pozycja kartezjańska, 1x odchylenie chwytaka, 1x pozycja chwytaka]. |
kroki/obserwacja/obraz | Obraz | (480, 480, 3) | uint8 | Obserwacja RGB z głównej kamery. |
kroki/obserwacja/low_bound | Napinacz | (5,) | pływak32 | Dolna granica normalizacji położenia efektora końcowego. Składa się z [3x pozycja kartezjańska, 1x odchylenie chwytaka, 1x pozycja chwytaka]. |
kroki/obserwacja/stan | Napinacz | (15,) | pływak32 | Stan robota, składa się z [7x kątów przegubów robota, 7x prędkości przegubów robota, 1x położenie chwytaka]. |
kroki/nagroda | Skalarny | pływak32 | Nagroda, jeśli jest zapewniona, 1 na ostatnim etapie w przypadku wersji demonstracyjnych. |
Klucze nadzorowane (zobacz dokument
as_supervised
):None
Rysunek ( tfds.show_examples ): Nieobsługiwany.
Przykłady ( tfds.as_dataframe ): Brak.
Cytat :
@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}
}