Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

robosuite_panda_pick_place_can

  • Описание :

Эти наборы данных были созданы с помощью среды PickPlaceCan симулятора робота-манипулятора robosuite . Наборы данных человека были записаны одним оператором с помощью RLDS Creator и контроллера геймпада.

Синтетические наборы данных были записаны с использованием библиотеки EnvLogger .

Наборы данных соответствуют формату RLDS для представления шагов и эпизодов.

Эпизоды состоят из 400 шагов. В каждом эпизоде ​​при завершении задачи добавляется тег, этот тег сохраняется как часть метаданных пользовательского шага.

Обратите внимание, что из-за зависимости от EnvLogger создание этого набора данных в настоящее время поддерживается только в средах Linux.

@misc{ramos2021rlds,
      title={RLDS: an Ecosystem to Generate, Share and Use Datasets in Reinforcement Learning},
      author={Sabela Ramos and Sertan Girgin and Léonard Hussenot and Damien Vincent and Hanna Yakubovich and Daniel Toyama and Anita Gergely and Piotr Stanczyk and Raphael Marinier and Jeremiah Harmsen and Olivier Pietquin and Nikola Momchev},
      year={2021},
      eprint={2111.02767},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

robosuite_panda_pick_place_can/human_dc29b40a (конфигурация по умолчанию)

  • Описание конфигурации : созданный человеком набор данных (50 эпизодов).

  • Домашняя страница : https://github.com/google-research/rlds

  • Размер загрузки : 96.67 MiB

  • Размер набора данных : 407.24 MiB .

  • Сплиты :

Расколоть Примеры
'train' 50
  • Структура функции :
FeaturesDict({
    'agent_id': tf.string,
    'episode_id': tf.string,
    'episode_index': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.float64,
        'image': Image(shape=(None, None, 3), dtype=tf.uint8),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=tf.float64),
            'Can_quat': Tensor(shape=(4,), dtype=tf.float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float32),
            'object-state': 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_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), 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),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'tag:placed': tf.bool,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
агент_идентификатор Тензор tf.string
id_эпизода Тензор tf.string
эпизод_индекс Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.float64
шаги/изображение Изображение (Нет, Нет, 3) tf.uint8
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/Can_pos Тензор (3,) tf.float64
шаги/наблюдение/Can_quat Тензор (4,) tf.float64
шаги/наблюдение/Can_to_robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/Can_to_robot0_eef_quat Тензор (4,) tf.float32
шаги/наблюдение/состояние объекта Тензор (14,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/наблюдение/robot0_proprio-state Тензор (32,) tf.float64
шаги/награда Тензор tf.float64
шаги / тег: размещено Тензор tf.bool

robosuite_panda_pick_place_can/human_images_dc29b40a

  • Описание конфигурации : набор данных, созданный человеком, включая изображения с разных ракурсов камеры наблюдения. Обратите внимание, что для создания может потребоваться некоторое время.

  • Домашняя страница : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

  • Размер загрузки : 10.95 GiB

  • Размер набора данных : 7.53 GiB

  • Сплиты :

Расколоть Примеры
'train' 50
  • Структура функции :
FeaturesDict({
    'agent_id': tf.string,
    'episode_id': tf.string,
    'episode_index': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.float64,
        'image': Image(shape=(None, None, 3), dtype=tf.uint8),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=tf.float64),
            'Can_quat': Tensor(shape=(4,), dtype=tf.float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float32),
            'agentview_image': Image(shape=(256, 256, 3), dtype=tf.uint8),
            'birdview_image': Image(shape=(256, 256, 3), dtype=tf.uint8),
            'object-state': 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_eye_in_hand_image': Image(shape=(256, 256, 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_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),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=tf.float64),
            'robot0_robotview_image': Image(shape=(256, 256, 3), dtype=tf.uint8),
        }),
        'reward': tf.float64,
        'tag:placed': tf.bool,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
агент_идентификатор Тензор tf.string
id_эпизода Тензор tf.string
эпизод_индекс Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.float64
шаги/изображение Изображение (Нет, Нет, 3) tf.uint8
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/Can_pos Тензор (3,) tf.float64
шаги/наблюдение/Can_quat Тензор (4,) tf.float64
шаги/наблюдение/Can_to_robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/Can_to_robot0_eef_quat Тензор (4,) tf.float32
шаги/наблюдение/agentview_image Изображение (256, 256, 3) tf.uint8
шаги/наблюдение/birdview_image Изображение (256, 256, 3) tf.uint8
шаги/наблюдение/состояние объекта Тензор (14,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eye_in_hand_image Изображение (256, 256, 3) tf.uint8
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/наблюдение/robot0_proprio-state Тензор (32,) tf.float64
шаги/наблюдение/robot0_robotview_image Изображение (256, 256, 3) tf.uint8
шаги/награда Тензор tf.float64
шаги / тег: размещено Тензор tf.bool

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

  • Описание конфигурации : синтетический набор данных, сгенерированный стохастическим агентом, обученным с помощью SAC (200 эпизодов).

  • Домашняя страница : https://github.com/google-research/rlds

  • Размер загрузки : 144.44 MiB

  • Размер набора данных : 622.86 MiB .

  • Сплиты :

Расколоть Примеры
'train' 200
  • Структура функции :
FeaturesDict({
    'agent_id': tf.string,
    'episode_id': tf.string,
    'episode_index': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float32),
        'discount': tf.float64,
        'image': Image(shape=(None, None, 3), dtype=tf.uint8),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=tf.float32),
            'Can_quat': Tensor(shape=(4,), dtype=tf.float32),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float32),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float32),
            'object-state': Tensor(shape=(14,), dtype=tf.float32),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float32),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float32),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float32),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float32),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float32),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float32),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float32),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=tf.float32),
        }),
        'reward': tf.float64,
        'tag:placed': tf.bool,
    }),
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
агент_идентификатор Тензор tf.string
id_эпизода Тензор tf.string
эпизод_индекс Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float32
шаги/скидка Тензор tf.float64
шаги/изображение Изображение (Нет, Нет, 3) tf.uint8
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/Can_pos Тензор (3,) tf.float32
шаги/наблюдение/Can_quat Тензор (4,) tf.float32
шаги/наблюдение/Can_to_robot0_eef_pos Тензор (3,) tf.float32
шаги/наблюдение/Can_to_robot0_eef_quat Тензор (4,) tf.float32
шаги/наблюдение/состояние объекта Тензор (14,) tf.float32
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float32
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float32
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float32
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float32
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float32
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float32
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float32
шаги/наблюдение/robot0_proprio-state Тензор (32,) tf.float32
шаги/награда Тензор tf.float64
шаги / тег: размещено Тензор tf.bool