robosuite_panda_pick_place_can

  • תיאור :

מערכי נתונים אלה נוצרו עם סביבת PickPlaceCan של סימולטור הזרוע הרובוטי של robosuite. מערכי הנתונים האנושיים תועדו על ידי מפעיל יחיד באמצעות ה- RLDS Creator ובקר gamepad.

מערכי הנתונים הסינתטיים תועדו באמצעות ספריית EnvLogger .

מערכי הנתונים פועלים לפי פורמט RLDS כדי לייצג שלבים ופרקים.

פרקים מורכבים מ-400 שלבים. בכל פרק, תג מתווסף כאשר המשימה הושלמה, תג זה נשמר כחלק מהמטא נתונים של השלב המותאם אישית.

שים לב שבגלל התלות ב-EnvLogger, יצירת מערך הנתונים הזה נתמך כרגע רק בסביבות לינוקס.

@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 (תצורת ברירת המחדל)

  • תיאור תצורה : מערך נתונים שנוצר על ידי אדם (50 פרקים).

  • דף הבית : https://github.com/google-research/rlds

  • גודל הורדה : 96.67 MiB

  • גודל מערך נתונים : 407.24 MiB

  • פיצולים :

לְפַצֵל דוגמאות
'train' 50
  • מבנה תכונה :
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,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
agent_id מוֹתֵחַ tf.string
פרק_מזהה מוֹתֵחַ tf.string
episode_index מוֹתֵחַ tf.int32
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (7,) tf.float64
צעדים/הנחה מוֹתֵחַ tf.float64
שלבים/תמונה תמונה (אין, אין, 3) tf.uint8
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית FeaturesDict
צעדים/תצפית/Can_pos מוֹתֵחַ (3,) tf.float64
צעדים/תצפית/Can_quat מוֹתֵחַ (4,) tf.float64
צעדים/תצפית/Can_to_robot0_eef_pos מוֹתֵחַ (3,) tf.float64
צעדים/תצפית/Can_to_robot0_eef_quat מוֹתֵחַ (4,) tf.float32
צעדים/תצפית/מצב-אובייקט מוֹתֵחַ (14,) tf.float64
צעדים/תצפית/רובוט0_eef_pos מוֹתֵחַ (3,) tf.float64
צעדים/תצפית/רובוט0_eef_quat מוֹתֵחַ (4,) tf.float64
צעדים/תצפית/רובוט0_gripper_qpos מוֹתֵחַ (2,) tf.float64
צעדים/תצפית/רובוט0_gripper_qvel מוֹתֵחַ (2,) tf.float64
צעדים/תצפית/רובוט0_joint_pos_cos מוֹתֵחַ (7,) tf.float64
צעדים/תצפית/רובוט0_joint_pos_sin מוֹתֵחַ (7,) tf.float64
צעדים/תצפית/רובוט0_joint_vel מוֹתֵחַ (7,) tf.float64
צעדים/תצפית/רובוט0_proprio-state מוֹתֵחַ (32,) tf.float64
צעדים/פרס מוֹתֵחַ tf.float64
steps/tag:placed מוֹתֵחַ tf.bool

robosuite_panda_pick_place_can/human_images_dc29b40a

  • תיאור תצורה : מערך נתונים שנוצר על ידי אדם, כולל תמונות עם זוויות מצלמה שונות בתצפית. שימו לב שייתכן שייקח זמן מה להפיק.

  • דף הבית : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

  • גודל הורדה : 10.95 GiB

  • גודל מערך נתונים : 7.53 GiB

  • פיצולים :

לְפַצֵל דוגמאות
'train' 50
  • מבנה תכונה :
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,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
agent_id מוֹתֵחַ tf.string
פרק_מזהה מוֹתֵחַ tf.string
episode_index מוֹתֵחַ tf.int32
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (7,) tf.float64
צעדים/הנחה מוֹתֵחַ tf.float64
שלבים/תמונה תמונה (אין, אין, 3) tf.uint8
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית FeaturesDict
צעדים/תצפית/Can_pos מוֹתֵחַ (3,) tf.float64
צעדים/תצפית/Can_quat מוֹתֵחַ (4,) tf.float64
צעדים/תצפית/Can_to_robot0_eef_pos מוֹתֵחַ (3,) tf.float64
צעדים/תצפית/Can_to_robot0_eef_quat מוֹתֵחַ (4,) tf.float32
steps/observation/agentview_image תמונה (256, 256, 3) tf.uint8
צעדים/תצפית/תמונת_ציפור תמונה (256, 256, 3) tf.uint8
צעדים/תצפית/מצב-אובייקט מוֹתֵחַ (14,) tf.float64
צעדים/תצפית/רובוט0_eef_pos מוֹתֵחַ (3,) tf.float64
צעדים/תצפית/רובוט0_eef_quat מוֹתֵחַ (4,) tf.float64
צעדים/תצפית/רובוט0_עין_בתמונה_יד תמונה (256, 256, 3) tf.uint8
צעדים/תצפית/רובוט0_gripper_qpos מוֹתֵחַ (2,) tf.float64
צעדים/תצפית/רובוט0_gripper_qvel מוֹתֵחַ (2,) tf.float64
צעדים/תצפית/רובוט0_joint_pos_cos מוֹתֵחַ (7,) tf.float64
צעדים/תצפית/רובוט0_joint_pos_sin מוֹתֵחַ (7,) tf.float64
צעדים/תצפית/רובוט0_joint_vel מוֹתֵחַ (7,) tf.float64
צעדים/תצפית/רובוט0_proprio-state מוֹתֵחַ (32,) tf.float64
steps/observation/robot0_robotview_image תמונה (256, 256, 3) tf.uint8
צעדים/פרס מוֹתֵחַ tf.float64
steps/tag:placed מוֹתֵחַ tf.bool

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

  • תיאור תצורה : מערך נתונים סינתטי שנוצר על ידי סוכן סטוכסטי מאומן עם SAC (200 פרקים).

  • דף הבית : https://github.com/google-research/rlds

  • גודל הורדה : 144.44 MiB

  • גודל ערכת נתונים: 622.86 MiB

  • פיצולים :

לְפַצֵל דוגמאות
'train' 200
  • מבנה תכונה :
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,
    }),
})
  • תיעוד תכונה :
תכונה מעמד צוּרָה Dtype תיאור
FeaturesDict
agent_id מוֹתֵחַ tf.string
פרק_מזהה מוֹתֵחַ tf.string
episode_index מוֹתֵחַ tf.int32
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (7,) tf.float32
צעדים/הנחה מוֹתֵחַ tf.float64
שלבים/תמונה תמונה (אין, אין, 3) tf.uint8
צעדים/הוא_ראשון מוֹתֵחַ tf.bool
צעדים/הוא_אחרון מוֹתֵחַ tf.bool
steps/is_terminal מוֹתֵחַ tf.bool
צעדים/תצפית FeaturesDict
צעדים/תצפית/Can_pos מוֹתֵחַ (3,) tf.float32
צעדים/תצפית/Can_quat מוֹתֵחַ (4,) tf.float32
צעדים/תצפית/Can_to_robot0_eef_pos מוֹתֵחַ (3,) tf.float32
צעדים/תצפית/Can_to_robot0_eef_quat מוֹתֵחַ (4,) tf.float32
צעדים/תצפית/מצב-אובייקט מוֹתֵחַ (14,) tf.float32
צעדים/תצפית/רובוט0_eef_pos מוֹתֵחַ (3,) tf.float32
צעדים/תצפית/רובוט0_eef_quat מוֹתֵחַ (4,) tf.float32
צעדים/תצפית/רובוט0_gripper_qpos מוֹתֵחַ (2,) tf.float32
צעדים/תצפית/רובוט0_gripper_qvel מוֹתֵחַ (2,) tf.float32
צעדים/תצפית/רובוט0_joint_pos_cos מוֹתֵחַ (7,) tf.float32
צעדים/תצפית/רובוט0_joint_pos_sin מוֹתֵחַ (7,) tf.float32
צעדים/תצפית/רובוט0_joint_vel מוֹתֵחַ (7,) tf.float32
צעדים/תצפית/רובוט0_proprio-state מוֹתֵחַ (32,) tf.float32
צעדים/פרס מוֹתֵחַ tf.float64
steps/tag:placed מוֹתֵחַ tf.bool