robomimic_ph

  • Descripción :

Los conjuntos de datos humanos competentes fueron recopilados por 1 operador competente utilizando la plataforma RoboTurk (con la excepción de Transporte, que tenía 2 operadores competentes trabajando juntos). Cada conjunto de datos consta de 200 trayectorias exitosas.

Cada tarea tiene dos versiones: una con observaciones dimensionales bajas ( low_dim ) y otra con imágenes ( image ).

Los conjuntos de datos siguen el formato RLDS para representar pasos y episodios.

Separar Ejemplos
'train' 200
@inproceedings{robomimic2021,
  title={What Matters in Learning from Offline Human Demonstrations for Robot Manipulation},
  author={Ajay Mandlekar and Danfei Xu and Josiah Wong and Soroush Nasiriany
          and Chen Wang and Rohun Kulkarni and Li Fei-Fei and Silvio Savarese
          and Yuke Zhu and Roberto Mart'{i}n-Mart'{i}n},
  booktitle={Conference on Robot Learning},
  year={2021}
}

robomimic_ph/lift_low_dim (configuración predeterminada)

  • Tamaño de descarga : 17.69 MiB

  • Tamaño del conjunto de datos : 8.50 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(10,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(32,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/objeto Tensor (10,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (32,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/lift_imagen

  • Tamaño de la descarga : 798.43 MiB

  • Tamaño del conjunto de datos : 114.47 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'object': Tensor(shape=(10,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(32,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/agentview_image Imagen (84, 84, 3) tf.uint8
pasos/observación/objeto Tensor (10,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_ojo_en_mano_imagen Imagen (84, 84, 3) tf.uint8
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (32,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/can_low_dim

  • Tamaño de la descarga : 43.38 MiB

  • Tamaño del conjunto de datos : 27.73 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(71,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/objeto Tensor (14,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (71,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/can_image

  • Tamaño de descarga : 1.87 GiB

  • Tamaño del conjunto de datos : 474.55 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(71,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/agentview_image Imagen (84, 84, 3) tf.uint8
pasos/observación/objeto Tensor (14,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_ojo_en_mano_imagen Imagen (84, 84, 3) tf.uint8
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (71,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/square_low_dim

  • Tamaño de la descarga : 47.69 MiB

  • Tamaño del conjunto de datos : 29.91 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(45,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/objeto Tensor (14,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (45,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/imagen_cuadrada

  • Tamaño de descarga : 2.42 GiB

  • Tamaño del conjunto de datos : 401.28 MiB

  • Almacenamiento automático en caché ( documentación ): No

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(45,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/agentview_image Imagen (84, 84, 3) tf.uint8
pasos/observación/objeto Tensor (14,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_ojo_en_mano_imagen Imagen (84, 84, 3) tf.uint8
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (45,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/transport_low_dim

  • Tamaño de la descarga : 294.70 MiB

  • Tamaño del conjunto de datos : 208.05 MiB

  • Auto-caché ( documentación ): Solo cuando shuffle_files=False (tren)

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(115,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (14,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/objeto Tensor (41,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/observación/robot1_eef_pos Tensor (3,) tf.float64
pasos/observación/robot1_eef_quat Tensor (4,) tf.float64
pasos/observación/robot1_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot1_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot1_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot1_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot1_joint_pos Tensor (7,) tf.float64
pasos/observación/robot1_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot1_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot1_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (115,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/transporte_imagen

  • Tamaño de descarga : 15.07 GiB

  • Tamaño del conjunto de datos : 3.64 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Estructura de características :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'shouldercamera0_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'shouldercamera1_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(115,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
20 por ciento Tensor tf.bool
20_percent_train Tensor tf.bool
20_porcentaje_válido Tensor tf.bool
50 por ciento Tensor tf.bool
50_percent_train Tensor tf.bool
50_porcentaje_válido Tensor tf.bool
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (14,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/objeto Tensor (41,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_ojo_en_mano_imagen Imagen (84, 84, 3) tf.uint8
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/observación/robot1_eef_pos Tensor (3,) tf.float64
pasos/observación/robot1_eef_quat Tensor (4,) tf.float64
pasos/observación/robot1_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot1_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot1_ojo_en_mano_imagen Imagen (84, 84, 3) tf.uint8
pasos/observación/robot1_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot1_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot1_joint_pos Tensor (7,) tf.float64
pasos/observación/robot1_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot1_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot1_joint_vel Tensor (7,) tf.float64
pasos/observación/shouldercamera0_image Imagen (84, 84, 3) tf.uint8
pasos/observación/shouldercamera1_image Imagen (84, 84, 3) tf.uint8
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (115,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/tool_hang_low_dim

  • Tamaño de la descarga : 192.29 MiB

  • Tamaño del conjunto de datos : 121.77 MiB

  • Almacenamiento automático en caché ( documentación ): Sí

  • Estructura de características :

FeaturesDict({
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(44,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(58,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/objeto Tensor (44,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (58,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool

robomimic_ph/tool_hang_image

  • Tamaño de descarga : 61.96 GiB

  • Tamaño del conjunto de datos : 9.10 GiB

  • Almacenamiento automático en caché ( documentación ): No

  • Estructura de características :

FeaturesDict({
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(44,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(240, 240, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'sideview_image': Image(shape=(240, 240, 3), dtype=tf.uint8),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(58,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Documentación de características :
Rasgo Clase Forma Tipo D Descripción
CaracterísticasDict
episodio_id Tensor tf.cadena
horizonte Tensor tf.int32
pasos conjunto de datos
pasos/acción Tensor (7,) tf.float64
pasos/descuento Tensor tf.int32
pasos/es_primero Tensor tf.bool
pasos/es_último Tensor tf.bool
pasos/es_terminal Tensor tf.bool
pasos/observación CaracterísticasDict
pasos/observación/objeto Tensor (44,) tf.float64
pasos/observación/robot0_eef_pos Tensor (3,) tf.float64
pasos/observación/robot0_eef_quat Tensor (4,) tf.float64
pasos/observación/robot0_eef_vel_ang Tensor (3,) tf.float64
pasos/observación/robot0_eef_vel_lin Tensor (3,) tf.float64
pasos/observación/robot0_ojo_en_mano_imagen Imagen (240, 240, 3) tf.uint8
pasos/observación/robot0_gripper_qpos Tensor (2,) tf.float64
pasos/observación/robot0_gripper_qvel Tensor (2,) tf.float64
pasos/observación/robot0_joint_pos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_cos Tensor (7,) tf.float64
pasos/observación/robot0_joint_pos_sin Tensor (7,) tf.float64
pasos/observación/robot0_joint_vel Tensor (7,) tf.float64
pasos/observación/sideview_image Imagen (240, 240, 3) tf.uint8
pasos/recompensa Tensor tf.float64
pasos/estados Tensor (58,) tf.float64
entrenar Tensor tf.bool
válido Tensor tf.bool