iamlab_cmu_pickup_insert_converted_externally_to_rlds

  • 설명 :

Franka 개체 선택 및 삽입 작업

나뉘다 예
'train' 631
  • 기능 구조 :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), 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=(360, 640, 3), dtype=uint8),
            'state': Tensor(shape=(20,), dtype=float32),
            'wrist_image': Image(shape=(240, 320, 3), dtype=uint8),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • 기능 문서 :
특징 수업 모양 Dtype 설명
특징Dict
에피소드_메타데이터 특징Dict
에피소드_메타데이터/파일_경로 텍스트 끈 원본 데이터 파일의 경로입니다.
단계 데이터세트
단계/작업 텐서 (8,) float32 로봇 동작은 [엔드 이펙터 위치 3개, 엔드 이펙터 쿼터니언 4개, 그리퍼 열기/닫기 1개]로 구성됩니다.
걸음수/할인 스칼라 float32 할인이 제공되면 기본값은 1입니다.
걸음수/is_first 텐서 부울
걸음수/is_last 텐서 부울
단계/is_terminal 텐서 부울
단계/언어_임베딩 텐서 (512,) float32 코나 언어 임베딩. https://tfhub.dev/google/universal-sentence-encoder-large/5를 참조하세요.
단계/언어_지시 텍스트 끈 언어 교육.
단계/관찰 특징Dict
단계/관찰/이미지 영상 (360, 640, 3) uint8 메인 카메라 RGB 관찰.
단계/관찰/상태 텐서 (20,) float32 로봇 상태는 [7x 로봇 관절 각도, 1x 그리퍼 상태, 6x 관절 토크, 6x 엔드 이펙터 힘]으로 구성됩니다.
걸음 수/관찰/wrist_image 영상 (240, 320, 3) uint8 손목 카메라 RGB 관찰.
걸음수/보상 스칼라 float32 제공되는 경우 보상, 데모의 마지막 단계에서 1개.
  • 인용 :
@inproceedings{
saxena2023multiresolution,
title={Multi-Resolution Sensing for Real-Time Control with Vision-Language Models},
author={Saumya Saxena and Mohit Sharma and Oliver Kroemer},
booktitle={7th Annual Conference on Robot Learning},
year={2023},
url={https://openreview.net/forum?id=WuBv9-IGDUA}
}