robosuite_panda_pick_place_can

با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

  • توضیحات :

این مجموعه داده ها با محیط PickPlaceCan شبیه ساز بازوی روباتیک robosuite ایجاد شده اند. مجموعه داده های انسانی توسط یک اپراتور با استفاده از RLDS Creator و یک کنترلر گیم پد ثبت شد.

مجموعه داده های مصنوعی با استفاده از کتابخانه EnvLogger ثبت شده است.

مجموعه داده ها از فرمت RLDS پیروی می کنند تا مراحل و قسمت ها را نشان دهند.

اپیزودها از 400 مرحله تشکیل شده است. در هر قسمت، پس از اتمام کار، یک برچسب اضافه می شود، این تگ به عنوان بخشی از فراداده مرحله سفارشی ذخیره می شود.

توجه داشته باشید که به دلیل وابستگی EnvLogger، تولید این مجموعه داده در حال حاضر فقط در محیط های لینوکس پشتیبانی می شود.

@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 (پیکربندی پیش‌فرض)

  • توضیحات پیکربندی : مجموعه داده تولید شده توسط انسان (50 قسمت).

  • صفحه اصلی : https://github.com/google-research/rlds

  • حجم دانلود : 96.67 MiB

  • حجم مجموعه داده : 407.24 MiB

  • تقسیم ها :

شکاف مثال ها
'train' 50
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
agent_id تانسور رشته
قسمت_id تانسور رشته
قسمت_index تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float64
مراحل/تخفیف تانسور float64
مراحل/تصویر تصویر (هیچ، هیچ، 3) uint8
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده FeaturesDict
مراحل/مشاهده/Can_pos تانسور (3،) float64
مراحل/مشاهده/Can_quat تانسور (4،) float64
Steps/observation/Can_to_robot0_eef_pos تانسور (3،) float64
Steps/observation/Can_to_robot0_eef_quat تانسور (4،) float32
مراحل/مشاهده/ابژه-وضعیت تانسور (14،) float64
Steps/observation/robot0_eef_pos تانسور (3،) float64
Steps/observation/robot0_eef_quat تانسور (4،) float64
steps/observation/robot0_gripper_qpos تانسور (2،) float64
steps/observation/robot0_gripper_qvel تانسور (2،) float64
Steps/observation/robot0_joint_pos_cos تانسور (7،) float64
Steps/observation/robot0_joint_pos_sin تانسور (7،) float64
Steps/observation/robot0_joint_vel تانسور (7،) float64
steps/observation/robot0_proprio-state تانسور (32،) float64
مراحل/پاداش تانسور float64
مراحل/برچسب: قرار داده شده تانسور بوول

robosuite_panda_pick_place_can/human_images_dc29b40a

  • توضیحات پیکربندی : مجموعه داده های تولید شده توسط انسان، شامل تصاویر با زوایای مختلف دوربین در مشاهده. توجه داشته باشید که تولید آن ممکن است کمی طول بکشد.

  • صفحه اصلی : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

  • حجم دانلود : 10.95 GiB

  • حجم مجموعه داده : 7.53 GiB

  • تقسیم ها :

شکاف مثال ها
'train' 50
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
agent_id تانسور رشته
قسمت_id تانسور رشته
قسمت_index تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float64
مراحل/تخفیف تانسور float64
مراحل/تصویر تصویر (هیچ، هیچ، 3) uint8
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده FeaturesDict
مراحل/مشاهده/Can_pos تانسور (3،) float64
مراحل/مشاهده/Can_quat تانسور (4،) float64
Steps/observation/Can_to_robot0_eef_pos تانسور (3،) float64
Steps/observation/Can_to_robot0_eef_quat تانسور (4،) float32
Steps/observation/agentview_image تصویر (256، 256، 3) uint8
steps/observation/birdview_image تصویر (256، 256، 3) uint8
مراحل/مشاهده/ابژه-وضعیت تانسور (14،) float64
Steps/observation/robot0_eef_pos تانسور (3،) float64
Steps/observation/robot0_eef_quat تانسور (4،) float64
steps/observation/robot0_eye_in_hand_image تصویر (256، 256، 3) uint8
steps/observation/robot0_gripper_qpos تانسور (2،) float64
steps/observation/robot0_gripper_qvel تانسور (2،) float64
Steps/observation/robot0_joint_pos_cos تانسور (7،) float64
Steps/observation/robot0_joint_pos_sin تانسور (7،) float64
Steps/observation/robot0_joint_vel تانسور (7،) float64
steps/observation/robot0_proprio-state تانسور (32،) float64
Steps/observation/robot0_robotview_image تصویر (256، 256، 3) uint8
مراحل/پاداش تانسور float64
مراحل/برچسب: قرار داده شده تانسور بوول

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

  • توضیحات پیکربندی : مجموعه داده مصنوعی تولید شده توسط یک عامل تصادفی آموزش دیده با SAC (200 قسمت).

  • صفحه اصلی : https://github.com/google-research/rlds

  • حجم دانلود : 144.44 MiB

  • حجم مجموعه داده : 622.86 MiB

  • تقسیم ها :

شکاف مثال ها
'train' 200
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
agent_id تانسور رشته
قسمت_id تانسور رشته
قسمت_index تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float32
مراحل/تخفیف تانسور float64
مراحل/تصویر تصویر (هیچ، هیچ، 3) uint8
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده FeaturesDict
مراحل/مشاهده/Can_pos تانسور (3،) float32
مراحل/مشاهده/Can_quat تانسور (4،) float32
Steps/observation/Can_to_robot0_eef_pos تانسور (3،) float32
Steps/observation/Can_to_robot0_eef_quat تانسور (4،) float32
مراحل/مشاهده/ابژه-وضعیت تانسور (14،) float32
Steps/observation/robot0_eef_pos تانسور (3،) float32
Steps/observation/robot0_eef_quat تانسور (4،) float32
steps/observation/robot0_gripper_qpos تانسور (2،) float32
steps/observation/robot0_gripper_qvel تانسور (2،) float32
Steps/observation/robot0_joint_pos_cos تانسور (7،) float32
Steps/observation/robot0_joint_pos_sin تانسور (7،) float32
Steps/observation/robot0_joint_vel تانسور (7،) float32
steps/observation/robot0_proprio-state تانسور (32،) float32
مراحل/پاداش تانسور float64
مراحل/برچسب: قرار داده شده تانسور بوول