mt_opt

• Açıklama :

MT-Opt belgesi için veri kümeleri.

• Ana sayfa : https://karolhausman.github.io/mt-opt/

• Kaynak kodu : tfds.robotics.mt_opt.MtOpt

• Sürümler :

  • 1.0.0 (varsayılan): İlk sürüm.

• İndirme boyutu : Unknown size

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Denetimli anahtarlar (bkz as_supervised doc ): None

• Şekil ( tfds.show_examples ): Desteklenmez.

• alıntı :

@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 (varsayılan yapılandırma)

• Yapılandırma açıklaması : Bu veri kümesi, gerçek robotlardan oluşan bir filoda toplanan görev bölümlerini içerir. Adımları ve bölümleri temsil etmek için RLDS formatını takip eder.

• Veri kümesi boyutu : 4.38 TiB

• Bölmeler :

• Özellik yapısı :

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

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

mt_opt/sd

• Yapılandırma açıklaması : Görev tamamlamanın insan küratörlüğünde tanımlarını içeren başarı algılayıcıları veri kümesi.

• Veri kümesi boyutu : 548.56 GiB

• Bölmeler :

• Özellik yapısı :

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

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):