09:00 पीएसटी पर एमएल संगोष्ठी इस मंगलवार, 19 अक्टूबर में पहले महिलाओं में ट्यून रजिस्टर अब

रोबोसुइट_पांडा_पिक_प्लेस_कैन

  • विवरण:

इन डेटासेट के PickPlaceCan पर्यावरण के साथ बनाया गया है robosuite रोबोटिक भुजा सिम्युलेटर । मानव डेटासेट एक भी ऑपरेटर का उपयोग करके दर्ज किया गया RLDS निर्माता और एक गेमपैड नियंत्रक।

सिंथेटिक डेटासेट का उपयोग कर दर्ज किया गया है EnvLogger पुस्तकालय

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

@misc{google-research, title={RLDS},
url={https://github.com/google-research/rlds}, journal={GitHub},
author={S. Ramos, S. Girgin et al.} }

रोबोसुइट_पांडा_पिक_प्लेस_कैन/मानव_डीसी29बी40ए (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • कॉन्फ़िग विवरण: मानव उत्पन्न डाटासेट (50 एपिसोड)।

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

  • डाउनलोड का आकार: 96.67 MiB

  • डेटासेट का आकार: 407.24 MiB

  • विभाजन:

विभाजित करना उदाहरण
'train' 50
  • विशेषताएं:
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,
    }),
})

रोबोसुइट_पांडा_पिक_प्लेस_कैन/मानव_इमेज_डीसी29बी40ए

  • कॉन्फ़िग विवरण: मानव उत्पन्न डाटासेट अवलोकन में अलग कैमरा कोण के साथ छवियों को भी शामिल है। ध्यान दें कि इसे उत्पन्न होने में कुछ समय लग सकता है।

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

  • डाउनलोड का आकार: 10.95 GiB

  • डेटासेट का आकार: 7.53 GiB

  • विभाजन:

विभाजित करना उदाहरण
'train' 50
  • विशेषताएं:
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,
    }),
})

रोबोसुइट_पांडा_पिक_प्लेस_कैन/सिंथेटिक_स्टोचैस्टिक_सैक_एफ़13968

  • कॉन्फ़िग विवरण: सिंथेटिक एक स्टोकेस्टिक सैक (200 एपिसोड) के साथ प्रशिक्षित एजेंट द्वारा उत्पन्न डाटासेट।

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

  • डाउनलोड का आकार: 144.44 MiB

  • डेटासेट का आकार: 622.86 MiB

  • विभाजन:

विभाजित करना उदाहरण
'train' 200
  • विशेषताएं:
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,
    }),
})