eth_agent_affordances

  • Description :

Fours à ouverture Franka -- nuage de points + proprio uniquement

Diviser Exemples
'train' 118
  • Structure des fonctionnalités :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
        'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Scalar(shape=(), 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=(64, 64, 3), dtype=uint8),
            'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16),
            'state': Tensor(shape=(8,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentation des fonctionnalités :
Fonctionnalité Classe Forme Type D Description
FonctionnalitésDict
épisode_métadonnées FonctionnalitésDict
épisode_metadata/file_path Texte chaîne Chemin d'accès au fichier de données d'origine.
épisode_metadata/input_point_cloud Tenseur (10000, 3) flotteur16 Nuage de points (géométrie uniquement) de l'objet au début de l'épisode (cadre mondial) sous forme de tableau numpy (10000,3).
pas Base de données
étapes/actions Tenseur (6,) flotteur32 L'action du robot consiste en [vitesse de l'effecteur final (v_x, v_y, v_z, omega_x, omega_y, omega_z) dans le cadre mondial
étapes/remise Scalaire flotteur32 Remise si fournie, par défaut à 1.
étapes/is_first Tenseur bouffon
étapes/est_dernier Tenseur bouffon
étapes/is_terminal Tenseur bouffon
étapes/langue_embedding Tenseur (512,) flotteur32 Intégration du langage Kona. Voir https://tfhub.dev/google/universal-sentence-encoder-large/5
étapes/instruction_langue Texte chaîne Enseignement des langues.
étapes/observation FonctionnalitésDict
étapes/observation/image Image (64, 64, 3) uint8 Observation RVB de la caméra principale. Non disponible pour cet ensemble de données, sera défini sur np.zeros.
étapes/observation/input_point_cloud Tenseur (10000, 3) flotteur16 Nuage de points (géométrie uniquement) de l'objet au début de l'épisode (cadre mondial) sous forme de tableau numpy (10000,3).
étapes/observation/état Tenseur (8,) flotteur32 L'état se compose de [pose de l'effecteur final (x, y, z, lacet, tangage, roulis) dans le cadre mondial, 1x pince ouverte/fermée, 1x angle d'ouverture de la porte].
étapes/récompense Scalaire flotteur32 Récompense si fournie, 1 à la dernière étape pour les démos.
  • Citation :
@inproceedings{schiavi2023learning,
  title={Learning agent-aware affordances for closed-loop interaction with articulated objects},
  author={Schiavi, Giulio and Wulkop, Paula and Rizzi, Giuseppe and Ott, Lionel and Siegwart, Roland and Chung, Jen Jen},
  booktitle={2023 IEEE International Conference on Robotics and Automation (ICRA)},
  pages={5916--5922},
  year={2023},
  organization={IEEE}
}