ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • Descrizione :

xArm prelievo e posizionamento di oggetti con distrattori

Diviso Esempi
'train' 1.355
  • Struttura delle caratteristiche :
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.),
    }),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
metadati_episodio CaratteristicheDict
metadati_episodio/disclaimer Testo corda Dichiarazione di non responsabilità sull'episodio in particolare.
metadati_episodio/percorso_file Testo corda Percorso del file di dati originale.
metadati_episodio/n_transizioni Scalare int32 Numero di transizioni nell'episodio.
metadati_episodio/successo Scalare bool Vero se l'ultimo stato di un episodio è uno stato di successo, Falso altrimenti.
Episode_metadata/success_labeled_by Testo corda Chi ha etichettato il successo (e quindi la ricompensa) dell'episodio. Può essere uno tra: [umano, classificatore].
passi Set di dati
passi/azione Tensore (4,) float32 L'azione del robot consiste in [3 velocità della pinza, 1 coppia di apertura/chiusura della pinza].
passi/sconto Scalare float32 Sconto se fornito, il valore predefinito è 1.
passi/è_primo Tensore bool
passi/è_ultimo Tensore bool
passi/è_terminale Tensore bool
passaggi/incorporamento_lingua Tensore (512,) float32 Incorporamento del linguaggio Kona. Vedi https://tfhub.dev/google/universal-sentence-encoder-large/5
passi/lingua_istruzioni Testo corda Insegnamento della lingua.
passi/osservazione CaratteristicheDict
passi/osservazione/immagine Immagine (224, 224, 3) uint8 Osservazione RGB della telecamera.
passi/osservazione/stato Tensore (7,) float32 Stato del robot, costituito da [3x posizione della pinza, 3x orientamento della pinza, 1x distanza delle dita].
passi/ricompensa Scalare float32 Ricompensa se fornita, 1 nel passaggio finale per le 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}
}