asu_table_top_converted_externally_to_rlds

  • Descripción :

UR5 realiza tareas de selección/colocación/rotación de mesa

Dividir Ejemplos
'train' 110
  • Estructura de características :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32),
        'action_delta': Tensor(shape=(7,), dtype=float32),
        'action_inst': Text(shape=(), dtype=string),
        'discount': Scalar(shape=(), dtype=float32),
        'goal_object': Text(shape=(), dtype=string),
        'ground_truth_states': FeaturesDict({
            'EE': Tensor(shape=(6,), dtype=float32),
            'bottle': Tensor(shape=(6,), dtype=float32),
            'bread': Tensor(shape=(6,), dtype=float32),
            'coke': Tensor(shape=(6,), dtype=float32),
            'cube': Tensor(shape=(6,), dtype=float32),
            'milk': Tensor(shape=(6,), dtype=float32),
            'pepsi': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'image': Image(shape=(224, 224, 3), dtype=uint8),
            'state': Tensor(shape=(7,), dtype=float32),
            'state_vel': Tensor(shape=(7,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
episodio_metadatos FuncionesDict
metadatos_episodio/ruta_archivo Texto cadena Ruta al archivo de datos original.
pasos Conjunto de datos
pasos/acción Tensor (7,) flotador32 La acción del robot consta de [7x velocidades de las articulaciones, 2x velocidades de la pinza, 1x episodio final].
pasos/action_delta Tensor (7,) flotador32 La acción delta del robot consta de [7 velocidades de las articulaciones, 2 velocidades de la pinza, 1 episodio de terminación].
pasos/action_inst Texto cadena Acción a realizar.
pasos/descuento Escalar flotador32 Descuento si se proporciona, el valor predeterminado es 1.
pasos/objeto_objetivo Texto cadena Objeto a manipular.
pasos/estados_de_verdad_terreno FuncionesDict
pasos/ground_truth_states/EE Tensor (6,) flotador32 xyzrpy
pasos/estados_de_verdad_terreno/botella Tensor (6,) flotador32 xyzrpy
pasos/estados_de_verdad_terreno/pan Tensor (6,) flotador32 xyzrpy
pasos/estados_de_verdad_terreno/coca Tensor (6,) flotador32 xyzrpy
pasos/estados_de_verdad_terreno/cubo Tensor (6,) flotador32 xyzrpy
pasos/estados_de_la_verdad_terreno/leche Tensor (6,) flotador32 xyzrpy
pasos/estados_de_verdad_terreno/pepsi Tensor (6,) flotador32 xyzrpy
pasos/es_primero Tensor booleano
pasos/es_último Tensor booleano
pasos/es_terminal Tensor booleano
pasos/idioma_incrustación Tensor (512,) flotador32 Incorporación del lenguaje Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5
pasos/instrucción_idioma Texto cadena Instrucción de idiomas.
pasos/observación FuncionesDict
pasos/observación/imagen Imagen (224, 224, 3) uint8 Observación RGB de la cámara principal.
pasos/observación/estado Tensor (7,) flotador32 El estado del robot consta de [6 ángulos de articulación del robot, 1 posición de la pinza].
pasos/observación/state_vel Tensor (7,) flotador32 La velocidad de la articulación del robot consta de [6x ángulos de la articulación del robot, 1x posición de la pinza].
pasos/recompensa Escalar flotador32 Recompensa si se proporciona, 1 en el paso final para demostraciones.
  • Cita :
@inproceedings{zhou2023modularity,
  title={Modularity through Attention: Efficient Training and Transfer of Language-Conditioned Policies for Robot Manipulation},
  author={Zhou, Yifan and Sonawani, Shubham and Phielipp, Mariano and Stepputtis, Simon and Amor, Heni},
  booktitle={Conference on Robot Learning},
  pages={1684--1695},
  year={2023},
  organization={PMLR}
}
@article{zhou2023learning,
  title={Learning modular language-conditioned robot policies through attention},
  author={Zhou, Yifan and Sonawani, Shubham and Phielipp, Mariano and Ben Amor, Heni and Stepputtis, Simon},
  journal={Autonomous Robots},
  pages={1--21},
  year={2023},
  publisher={Springer}
}