vima_convertido_externalmente_a_rlds

  • Descripción :

Conjunto de datos SIM de un solo brazo robótico que realiza tareas de mesa generadas por procedimientos con indicaciones multimodales, más de 600.000 trayectorias

Dividir Ejemplos
  • Estructura de características :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'action_bounds': FeaturesDict({
            'high': Tensor(shape=(3,), dtype=float32),
            'low': Tensor(shape=(3,), dtype=float32),
        }),
        'end-effector type': string,
        'failure': Scalar(shape=(), dtype=bool),
        'file_path': string,
        'n_objects': Scalar(shape=(), dtype=int64),
        'num_steps': Scalar(shape=(), dtype=int64),
        'robot_components_seg_ids': Sequence(Scalar(shape=(), dtype=int64)),
        'seed': Scalar(shape=(), dtype=int64),
        'success': Scalar(shape=(), dtype=bool),
        'task': string,
    }),
    'steps': Dataset({
        'action': FeaturesDict({
            'pose0_position': Tensor(shape=(3,), dtype=float32),
            'pose0_rotation': Tensor(shape=(4,), dtype=float32),
            'pose1_position': Tensor(shape=(3,), dtype=float32),
            'pose1_rotation': Tensor(shape=(4,), dtype=float32),
        }),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'multimodal_instruction': string,
        'multimodal_instruction_assets': FeaturesDict({
            'asset_type': Sequence(string),
            'frontal_image': Sequence(Tensor(shape=(128, 256, 3), dtype=uint8)),
            'frontal_segmentation': Sequence(Tensor(shape=(128, 256), dtype=uint8)),
            'image': Sequence(Tensor(shape=(128, 256, 3), dtype=uint8)),
            'key_name': Sequence(string),
            'segmentation': Sequence(Tensor(shape=(128, 256), dtype=uint8)),
            'segmentation_obj_info': Sequence({
                'obj_name': Sequence(string),
                'segm_id': Sequence(Scalar(shape=(), dtype=int64)),
                'texture_name': Sequence(string),
            }),
        }),
        'observation': FeaturesDict({
            'ee': int64,
            'frontal_image': Tensor(shape=(128, 256, 3), dtype=uint8),
            'frontal_segmentation': Tensor(shape=(128, 256), dtype=uint8),
            'image': Tensor(shape=(128, 256, 3), dtype=uint8),
            'segmentation': Tensor(shape=(128, 256), dtype=uint8),
            'segmentation_obj_info': FeaturesDict({
                'obj_name': Sequence(string),
                'segm_id': Sequence(Scalar(shape=(), dtype=int64)),
                'texture_name': Sequence(string),
            }),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
episodio_metadatos FuncionesDict
metadatos_episodio/límites_acción FuncionesDict
metadatos_episodio/límites_acción/alto Tensor (3,) flotador32
metadatos_episodio/límites_acción/bajo Tensor (3,) flotador32
episodio_metadatos/tipo de efector final Tensor cadena
episodio_metadatos/fallo Escalar booleano
metadatos_episodio/ruta_archivo Tensor cadena
episodio_metadatos/n_objetos Escalar int64
metadatos_episodio/núm_pasos Escalar int64
episodio_metadatos/robot_components_seg_ids Secuencia (escalar) (Ninguno,) int64
episodio_metadatos/semilla Escalar int64
episodio_metadatos/éxito Escalar booleano
episodio_metadatos/tarea Tensor cadena
pasos Conjunto de datos
pasos/acción FuncionesDict
pasos/acción/pose0_position Tensor (3,) flotador32
pasos/acción/pose0_rotation Tensor (4,) flotador32
pasos/acción/pose1_posición Tensor (3,) flotador32
pasos/acción/pose1_rotación Tensor (4,) flotador32
pasos/descuento Escalar flotador32
pasos/es_primero Tensor booleano
pasos/es_último Tensor booleano
pasos/es_terminal Tensor booleano
pasos/instrucción_multimodal Tensor cadena
pasos/multimodal_instruction_assets FuncionesDict
pasos/multimodal_instruction_assets/asset_type Secuencia (tensor) (Ninguno,) cadena
pasos/multimodal_instruction_assets/frontal_image Secuencia (tensor) (Ninguno, 128, 256, 3) uint8
pasos/multimodal_instruction_assets/frontal_segmentation Secuencia (tensor) (Ninguno, 128, 256) uint8
pasos/multimodal_instruction_assets/imagen Secuencia (tensor) (Ninguno, 128, 256, 3) uint8
pasos/activos_de_instrucción_multimodal/nombre_clave Secuencia (tensor) (Ninguno,) cadena
pasos/multimodal_instruction_assets/segmentación Secuencia (tensor) (Ninguno, 128, 256) uint8
pasos/multimodal_instruction_assets/segmentation_obj_info Secuencia
pasos/multimodal_instruction_assets/segmentation_obj_info/obj_name Secuencia (tensor) (Ninguno,) cadena
pasos/multimodal_instruction_assets/segmentation_obj_info/segm_id Secuencia (escalar) (Ninguno,) int64
pasos/multimodal_instruction_assets/segmentation_obj_info/texture_name Secuencia (tensor) (Ninguno,) cadena
pasos/observación FuncionesDict
pasos/observación/ee Tensor int64
pasos/observación/imagen_frontal Tensor (128, 256, 3) uint8
pasos/observación/segmentación_frontal Tensor (128, 256) uint8
pasos/observación/imagen Tensor (128, 256, 3) uint8
pasos/observación/segmentación Tensor (128, 256) uint8
pasos/observación/segmentation_obj_info FuncionesDict
pasos/observación/segmentación_obj_info/obj_name Secuencia (tensor) (Ninguno,) cadena
pasos/observación/segmentation_obj_info/segm_id Secuencia (escalar) (Ninguno,) int64
pasos/observación/segmentación_obj_info/nombre_textura Secuencia (tensor) (Ninguno,) cadena
pasos/recompensa Escalar flotador32
@inproceedings{jiang2023vima,  title     = {VIMA: General Robot Manipulation with Multimodal Prompts},  author    = {Yunfan Jiang and Agrim Gupta and Zichen Zhang and Guanzhi Wang and Yongqiang Dou and Yanjun Chen and Li Fei-Fei and Anima Anandkumar and Yuke Zhu and Linxi Fan}, booktitle = {Fortieth International Conference on Machine Learning},  year      = {2023}. }