ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • Keterangan :

xArm mengambil dan menempatkan objek dengan distraktor

Membelah Contoh
'train' 1.355
  • Struktur fitur :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'disclaimer': Text(shape=(), dtype=string),
        'file_path': Text(shape=(), dtype=string),
        'n_transitions': Scalar(shape=(), dtype=int32, description=Number of transitions in the episode.),
        'success': Scalar(shape=(), dtype=bool, description=True if the last state of an episode is a success state, False otherwise.),
        'success_labeled_by': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(4,), dtype=float32, description=Robot action, consists of [3x gripper velocities,1x gripper open/close torque].),
        '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({
            'image': Image(shape=(224, 224, 3), dtype=uint8, description=Camera RGB observation.),
            'state': Tensor(shape=(7,), dtype=float32, description=Robot state, consists of [3x gripper position,3x gripper orientation, 1x finger distance].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Tipe D Keterangan
FiturDict
episode_metadata FiturDict
episode_metadata/penafian Teks rangkaian Penafian tentang episode tertentu.
episode_metadata/file_path Teks rangkaian Jalur ke file data asli.
episode_metadata/n_transitions Skalar int32 Jumlah transisi dalam episode tersebut.
episode_metadata/sukses Skalar bodoh Benar jika keadaan terakhir dari sebuah episode adalah keadaan sukses, Salah jika sebaliknya.
episode_metadata/success_labeled_by Teks rangkaian Siapa yang memberi label kesuksesan (dan dengan demikian penghargaan) dari episode tersebut. Dapat berupa salah satu dari: [manusia, pengklasifikasi].
tangga Kumpulan data
langkah/tindakan Tensor (4,) float32 Aksi robot, terdiri dari [3x kecepatan gripper, 1x torsi buka/tutup gripper].
langkah/diskon Skalar float32 Diskon jika disediakan, defaultnya adalah 1.
langkah/adalah_pertama Tensor bodoh
langkah/adalah_terakhir Tensor bodoh
langkah/is_terminal Tensor bodoh
langkah/bahasa_penyematan Tensor (512,) float32 Penyematan bahasa Kona. Lihat https://tfhub.dev/google/universal-sentence-encoder-large/5
langkah/bahasa_instruksi Teks rangkaian Instruksi Bahasa.
langkah/pengamatan FiturDict
langkah/pengamatan/gambar Gambar (224, 224, 3) uint8 Pengamatan kamera RGB.
langkah/pengamatan/keadaan Tensor (7,) float32 Keadaan robot, terdiri dari [3x posisi gripper, 3x orientasi gripper, 1x jarak jari].
langkah/hadiah Skalar float32 Hadiah jika diberikan, 1 pada langkah terakhir untuk demo.
@preprint{Feng2023Finetuning,
    title={Finetuning Offline World Models in the Real World},
    author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
    year={2023}
}