robot

• Deskripsi :

RoboNet berisi lebih dari 15 juta bingkai video interaksi robot-objek, diambil dari 113 sudut pandang kamera yang unik.

• Tindakannya adalah delta dalam posisi dan rotasi ke robot end-effector dengan satu dimensi tambahan dari vektor tindakan yang disediakan untuk sambungan gripper.

• Statusnya adalah ruang aksi kontrol end-effector kartesian dengan rotasi terbatas, dan sambungan gripper

• Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode north_east

• Beranda : https://www.robonet.wiki/

• Kode sumber : tfds.datasets.robonet.Builder

• Versi :

  • 4.0.1 (default): Tidak ada catatan rilis.

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@article{dasari2019robonet,
  title={RoboNet: Large-Scale Multi-Robot Learning},
  author={Dasari, Sudeep and Ebert, Frederik and Tian, Stephen and
  Nair, Suraj and Bucher, Bernadette and Schmeckpeper, Karl
  and Singh, Siddharth and Levine, Sergey and Finn, Chelsea},
  journal={arXiv preprint arXiv:1910.11215},
  year={2019}
}

robonet/robonet_sample_64 (konfigurasi default)

• Deskripsi konfigurasi : Sampel RoboNet 64x64.

• Ukuran unduhan : 119.80 MiB

• Ukuran dataset : 183.04 MiB

• Auto-cached ( dokumentasi ): Hanya ketika shuffle_files=False (train)

• Perpecahan :

• Struktur fitur :

FeaturesDict({
    'actions': Tensor(shape=(None, 5), dtype=float32),
    'filename': Text(shape=(), dtype=string),
    'states': Tensor(shape=(None, 5), dtype=float32),
    'video': Video(Image(shape=(64, 64, 3), dtype=uint8)),
})

• Dokumentasi fitur :

• Contoh ( tfds.as_dataframe ):

robonet/robonet_sample_128

• Deskripsi konfigurasi : Sampel RoboNet 128x128.

• Ukuran unduhan : 119.80 MiB

• Ukuran dataset : 638.98 MiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

• Struktur fitur :

FeaturesDict({
    'actions': Tensor(shape=(None, 5), dtype=float32),
    'filename': Text(shape=(), dtype=string),
    'states': Tensor(shape=(None, 5), dtype=float32),
    'video': Video(Image(shape=(128, 128, 3), dtype=uint8)),
})

• Dokumentasi fitur :

• Contoh ( tfds.as_dataframe ):

robonet/robonet_64

• Deskripsi konfigurasi : 64x64 RoboNet.

• Ukuran unduhan : 36.20 GiB

• Ukuran dataset : 41.37 GiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

• Struktur fitur :

FeaturesDict({
    'actions': Tensor(shape=(None, 5), dtype=float32),
    'filename': Text(shape=(), dtype=string),
    'states': Tensor(shape=(None, 5), dtype=float32),
    'video': Video(Image(shape=(64, 64, 3), dtype=uint8)),
})

• Dokumentasi fitur :

• Contoh ( tfds.as_dataframe ):

robonet/robonet_128

• Deskripsi konfigurasi : 128x128 RoboNet.

• Ukuran unduhan : 36.20 GiB

• Ukuran dataset : 144.90 GiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

• Struktur fitur :

FeaturesDict({
    'actions': Tensor(shape=(None, 5), dtype=float32),
    'filename': Text(shape=(), dtype=string),
    'states': Tensor(shape=(None, 5), dtype=float32),
    'video': Video(Image(shape=(128, 128, 3), dtype=uint8)),
})

• Dokumentasi fitur :

• Contoh ( tfds.as_dataframe ):