mt_opt

• Descrição :

Conjuntos de dados para o papel MT-Opt .

• Página inicial : https://karolhausman.github.io/mt-opt/

• Código -fonte: tfds.robotics.mt_opt.MtOpt

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Tamanho do download : Unknown size

• Armazenado em cache automaticamente ( documentação ): Não

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não suportado.

• Citação :

@misc{kalashnikov2021mtopt,
      title={MT-Opt: Continuous Multi-Task Robotic Reinforcement Learning at Scale},
      author={Dmitry Kalashnikov and Jacob Varley and Yevgen Chebotar and Benjamin Swanson and Rico Jonschkowski and Chelsea Finn and Sergey Levine and Karol Hausman},
      year={2021},
      eprint={2104.08212},
      archivePrefix={arXiv},
      primaryClass={cs.RO}
}

mt_opt/rlds (configuração padrão)

• Descrição da configuração : este conjunto de dados contém episódios de tarefas coletados em uma frota de robôs reais. Segue o formato RLDS para representar etapas e episódios.

• Tamanho do conjunto de dados : 4.38 TiB

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'episode_id': string,
    'skill': uint8,
    'steps': Dataset({
        'action': FeaturesDict({
            'close_gripper': bool,
            'open_gripper': bool,
            'target_pose': Tensor(shape=(7,), dtype=float32),
            'terminate': bool,
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'gripper_closed': bool,
            'height_to_bottom': float32,
            'image': Image(shape=(512, 640, 3), dtype=uint8),
            'state_dense': Tensor(shape=(7,), dtype=float32),
        }),
    }),
    'task_code': string,
})

• Documentação do recurso:

• Exemplos ( tfds.as_dataframe ):

mt_opt/sd

• Descrição da configuração : o conjunto de dados de detectores de sucesso que contém definições de conclusão de tarefas com curadoria humana.

• Tamanho do conjunto de dados : 548.56 GiB

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'image_0': Image(shape=(512, 640, 3), dtype=uint8),
    'image_1': Image(shape=(480, 640, 3), dtype=uint8),
    'image_2': Image(shape=(480, 640, 3), dtype=uint8),
    'success': bool,
    'task_code': string,
})

• Documentação do recurso:

• Exemplos ( tfds.as_dataframe ):