रोबोसुइट_पांडा_स्थान_चुन सकते हैं

• विवरण :

ये डेटासेट रोबोसुइट रोबोटिक आर्म सिम्युलेटर के पिकप्लेसकैन वातावरण के साथ बनाए गए हैं। मानव डेटासेट को आरएलडीएस क्रिएटर और गेमपैड नियंत्रक का उपयोग करके एकल ऑपरेटर द्वारा रिकॉर्ड किया गया था।

सिंथेटिक डेटासेट को EnvLogger लाइब्रेरी का उपयोग करके रिकॉर्ड किया गया है।

डेटासेट चरणों और एपिसोड का प्रतिनिधित्व करने के लिए आरएलडीएस प्रारूप का पालन करते हैं।

एपिसोड में 400 चरण होते हैं। प्रत्येक एपिसोड में, कार्य पूरा होने पर एक टैग जोड़ा जाता है, यह टैग कस्टम चरण मेटाडेटा के भाग के रूप में संग्रहीत किया जाता है।

ध्यान दें कि, EnvLogger निर्भरता के कारण, इस डेटासेट की पीढ़ी वर्तमान में केवल लिनक्स वातावरण पर समर्थित है।

• स्रोत कोड : tfds.rlds.datasets.robosuite_panda_pick_place_can.RobosuitePandaPickPlaceCan

• संस्करण :

  • 1.0.0 (डिफ़ॉल्ट): प्रारंभिक रिलीज़।

• ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं

• पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

• चित्र ( tfds.show_examples ): समर्थित नहीं है।

• उद्धरण :

@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}
}

रोबोसुइट_पांडा_पिक_प्लेस_कैन/ह्यूमन_dc29b40a (डिफ़ॉल्ट कॉन्फ़िगरेशन)

• कॉन्फ़िगरेशन विवरण : मानव निर्मित डेटासेट (50 एपिसोड)।

• मुखपृष्ठ : https://github.com/google-research/rlds

• डाउनलोड आकार : 96.67 MiB

• डेटासेट का आकार : 407.24 MiB

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float64),
            'Can_quat': Tensor(shape=(4,), dtype=float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'object-state': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float64),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):

रोबोसुइट_पांडा_पिक_प्लेस_कैन/ह्यूमन_इमेजेज_dc29b40a

• कॉन्फ़िगरेशन विवरण : अवलोकन में विभिन्न कैमरा कोणों वाली छवियों सहित मानव निर्मित डेटासेट। ध्यान दें कि इसे उत्पन्न होने में कुछ समय लग सकता है।

• मुखपृष्ठ : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

• डाउनलोड आकार : 10.95 GiB

• डेटासेट का आकार : 7.53 GiB

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float64),
            'Can_quat': Tensor(shape=(4,), dtype=float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'agentview_image': Image(shape=(256, 256, 3), dtype=uint8),
            'birdview_image': Image(shape=(256, 256, 3), dtype=uint8),
            'object-state': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_eye_in_hand_image': Image(shape=(256, 256, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float64),
            'robot0_robotview_image': Image(shape=(256, 256, 3), dtype=uint8),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):

रोबोसुइट_पांडा_पिक_प्लेस_कैन/सिंथेटिक_स्टोकेस्टिक_सैक_एएफई13968

• कॉन्फ़िगरेशन विवरण : एसएसी (200 एपिसोड) के साथ प्रशिक्षित स्टोकेस्टिक एजेंट द्वारा उत्पन्न सिंथेटिक डेटासेट।

• मुखपृष्ठ : https://github.com/google-research/rlds

• डाउनलोड आकार : 144.44 MiB

• डेटासेट का आकार : 622.86 MiB

• विभाजन :

• फ़ीचर संरचना :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float32),
            'Can_quat': Tensor(shape=(4,), dtype=float32),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float32),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'object-state': Tensor(shape=(14,), dtype=float32),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float32),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float32),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float32),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float32),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float32),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float32),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float32),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• फ़ीचर दस्तावेज़ीकरण :

• उदाहरण ( tfds.as_dataframe ):