stanford_robocook_converted_externally_to_rlds

  • Descrição :

Franka preparando bolinhos com diversas ferramentas

Dividir Exemplos
'train' 2.460
  • Estrutura de recursos :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'extrinsics_1': Tensor(shape=(4, 4), dtype=float32, description=Camera 1 Extrinsic Matrix.),
        'extrinsics_2': Tensor(shape=(4, 4), dtype=float32, description=Camera 2 Extrinsic Matrix.),
        'extrinsics_3': Tensor(shape=(4, 4), dtype=float32, description=Camera 3 Extrinsic Matrix.),
        'extrinsics_4': Tensor(shape=(4, 4), dtype=float32, description=Camera 4 Extrinsic Matrix.),
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32, description=Robot action, consists of [3x robot end-effector velocities, 3x robot end-effector angular velocities, 1x gripper velocity].),
        '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({
            'depth_1': Tensor(shape=(256, 256), dtype=float32, description=Camera 1 Depth observation.),
            'depth_2': Tensor(shape=(256, 256), dtype=float32, description=Camera 2 Depth observation.),
            'depth_3': Tensor(shape=(256, 256), dtype=float32, description=Camera 3 Depth observation.),
            'depth_4': Tensor(shape=(256, 256), dtype=float32, description=Camera 4 Depth observation.),
            'image_1': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 1 RGB observation.),
            'image_2': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 2 RGB observation.),
            'image_3': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 3 RGB observation.),
            'image_4': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 4 RGB observation.),
            'state': Tensor(shape=(7,), dtype=float32, description=Robot state, consists of [3x robot end-effector position, 3x robot end-effector euler angles, 1x gripper position].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Documentação de recursos :
Recurso Aula Forma Tipo D Descrição
RecursosDict
episódio_metadados RecursosDict
episódio_metadados/extrínsecos_1 Tensor (4, 4) float32 Câmera 1 Matriz Extrínseca.
episódio_metadata/extrínsecos_2 Tensor (4, 4) float32 Matriz Extrínseca da Câmera 2.
episódio_metadados/extrínsecos_3 Tensor (4, 4) float32 Matriz Extrínseca da Câmera 3.
episódio_metadados/extrínsecos_4 Tensor (4, 4) float32 Câmera 4 Matriz Extrínseca.
episódio_metadados/caminho_do_arquivo Texto corda Caminho para o arquivo de dados original.
passos Conjunto de dados
etapas/ação Tensor (7,) float32 A ação do robô consiste em [3x velocidades do efetor final do robô, 3x velocidades angulares do efetor final do robô, 1x velocidade da garra].
passos/desconto Escalar float32 Desconto, se fornecido, o padrão é 1.
passos/é_primeiro Tensor bool
passos/é_último Tensor bool
etapas/is_terminal Tensor bool
etapas/idioma_incorporação Tensor (512,) float32 Incorporação da linguagem Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5
etapas/instrução_idioma Texto corda Instrução de Idiomas.
passos/observação RecursosDict
etapas/observação/profundidade_1 Tensor (256, 256) float32 Câmera 1 Observação de profundidade.
etapas/observação/profundidade_2 Tensor (256, 256) float32 Câmera 2 Observação de profundidade.
etapas/observação/profundidade_3 Tensor (256, 256) float32 Câmera 3 Observação de profundidade.
etapas/observação/profundidade_4 Tensor (256, 256) float32 Câmera 4 Observação de profundidade.
etapas/observação/imagem_1 Imagem (256, 256, 3) uint8 Observação RGB da câmera 1.
etapas/observação/imagem_2 Imagem (256, 256, 3) uint8 Observação RGB da câmera 2.
etapas/observação/imagem_3 Imagem (256, 256, 3) uint8 Observação RGB da câmera 3.
etapas/observação/imagem_4 Imagem (256, 256, 3) uint8 Observação RGB da câmera 4.
etapas/observação/estado Tensor (7,) float32 O estado do robô consiste em [3x posição do efetor final do robô, 3x ângulos de Euler do efetor final do robô, 1x posição da pinça].
passos/recompensa Escalar float32 Recompensa, se fornecida, 1 na etapa final para demonstrações.
@article{shi2023robocook,
  title={RoboCook: Long-Horizon Elasto-Plastic Object Manipulation with Diverse Tools},
  author={Shi, Haochen and Xu, Huazhe and Clarke, Samuel and Li, Yunzhu and Wu, Jiajun},
  journal={arXiv preprint arXiv:2306.14447},
  year={2023}
}