- Tanım :
Sawyer çöp kutusundaki nesneleri itip topluyor
Ana sayfa : https://arxiv.org/abs/2206.11894
Kaynak kodu :
tfds.robotics.rtx.StanfordMaskVitConvertedExternallyToRlds
Sürümler :
-
0.1.0
(varsayılan): İlk sürüm.
-
İndirme boyutu :
Unknown size
Veri kümesi boyutu :
76.17 GiB
Otomatik önbelleğe alınmış ( belgeler ): Hayır
Bölünmeler :
Bölmek | Örnekler |
---|---|
'train' | 9.109 |
'val' | 91 |
- Özellik yapısı :
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.),
}),
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtipi | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
bölüm_meta verileri | ÖzelliklerDict | |||
bölüm_metadata/dosya_yolu | Metin | sicim | Orijinal veri dosyasının yolu. | |
adımlar | Veri kümesi | |||
adımlar/eylem | Tensör | (5,) | kayan nokta32 | Robot hareketi, [3x uç efektör pozisyonunda değişiklik, 1x tutucu yalpalama, 1x açık/kapalı tutucu (-1 tutucuyu açmak anlamına gelir, 1 kapatmak anlamına gelir)] 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/end_fector_pose | Tensör | (5,) | kayan nokta32 | Robot uç efektör pozu, [3x Kartezyen konumu, 1x kıskaç sapması, 1x kıskaç pozisyonu]'ndan oluşur. MaskViT makalesinde kullanılan durum budur. |
adımlar/gözlem/finger_sensors | Tensör | (1,) | kayan nokta32 | 1x Sawyer tutucu parmak sensörleri. |
adımlar/gözlem/yüksek_sınır | Tensör | (5,) | kayan nokta32 | Uç efektör poz normalizasyonu için yüksek sınır. [3x Kartezyen konumu, 1x kıskaç sapması, 1x kıskaç konumu]'ndan oluşur. |
adımlar/gözlem/görüntü | Resim | (480, 480, 3) | uint8 | Ana kamera RGB gözlemi. |
adımlar/gözlem/düşük sınır | Tensör | (5,) | kayan nokta32 | Uç efektör poz normalizasyonu için düşük sınır. [3x Kartezyen konumu, 1x kıskaç sapması, 1x kıskaç konumu]'ndan oluşur. |
adımlar/gözlem/durum | Tensör | (15,) | kayan nokta32 | Robot durumu, [7x robot eklem açıları, 7x robot eklem hızları, 1x tutucu konumu]'ndan oluşur. |
adımlar/ödül | Skaler | kayan nokta32 | Sağlandığı takdirde ödül, demolar için son adımda 1. |
Denetlenen anahtarlar (
as_supervised
belgesine bakın):None
Şekil ( tfds.show_examples ): Desteklenmiyor.
Örnekler ( tfds.as_dataframe ): Eksik.
Alıntı :
@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}
}