stanford_kuka_multimodal_dataset_converted_externally_to_rlds

  • توضیحات :

درج میخ Kuka iiwa با بازخورد نیرو

تقسیم کنید نمونه ها
'train' 3000
  • ساختار ویژگی :
FeaturesDict({
    'episode_metadata': FeaturesDict({
    }),
    'steps': Dataset({
        'action': Tensor(shape=(4,), dtype=float32, description=Robot action, consists of [3x EEF position, 1x gripper open/close].),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'contact': Tensor(shape=(50,), dtype=float32, description=Robot contact information.),
            'depth_image': Tensor(shape=(128, 128, 1), dtype=float32, description=Main depth camera observation.),
            'ee_forces_continuous': Tensor(shape=(50, 6), dtype=float32, description=Robot end-effector forces.),
            'ee_orientation': Tensor(shape=(4,), dtype=float32, description=Robot end-effector orientation quaternion.),
            'ee_orientation_vel': Tensor(shape=(3,), dtype=float32, description=Robot end-effector orientation velocity.),
            'ee_position': Tensor(shape=(3,), dtype=float32, description=Robot end-effector position.),
            'ee_vel': Tensor(shape=(3,), dtype=float32, description=Robot end-effector velocity.),
            'ee_yaw': Tensor(shape=(4,), dtype=float32, description=Robot end-effector yaw.),
            'ee_yaw_delta': Tensor(shape=(4,), dtype=float32, description=Robot end-effector yaw delta.),
            'image': Image(shape=(128, 128, 3), dtype=uint8, description=Main camera RGB observation.),
            'joint_pos': Tensor(shape=(7,), dtype=float32, description=Robot joint positions.),
            'joint_vel': Tensor(shape=(7,), dtype=float32, description=Robot joint velocities.),
            'optical_flow': Tensor(shape=(128, 128, 2), dtype=float32, description=Optical flow.),
            'state': Tensor(shape=(8,), dtype=float32, description=Robot proprioceptive information, [7x joint pos, 1x gripper open/close].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D توضیحات
FeaturesDict
episode_metadata FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (4،) float32 عمل ربات، شامل [3x موقعیت EEF، 1x دستگیره باز/بستن] است.
مراحل/تخفیف اسکالر float32 تخفیف در صورت ارائه، پیش فرض 1 است.
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
Steps/language_embedding تانسور (512،) float32 تعبیه زبان کونا. به https://tfhub.dev/google/universal-sentence-encoder-large/5 مراجعه کنید
مراحل/زبان_آموزش متن رشته آموزش زبان.
مراحل / مشاهده FeaturesDict
مراحل / مشاهده / تماس تانسور (50،) float32 اطلاعات تماس ربات
مراحل/مشاهده/عمق_تصویر تانسور (128، 128، 1) float32 مشاهده دوربین عمق اصلی
steps/observation/ee_forces_continuous تانسور (50، 6) float32 نیروهای اثربخش نهایی ربات.
مراحل/مشاهده/ee_orientation تانسور (4،) float32 ربات کواترنیون جهت گیری اثر پایانی.
steps/observation/ee_orientation_vel تانسور (3،) float32 سرعت جهت گیری اثر پایانی ربات.
steps/observation/ee_position تانسور (3،) float32 موقعیت اثرگذار پایانی ربات.
مراحل/مشاهده/ee_vel تانسور (3،) float32 سرعت اثر پایانی ربات
مراحل/مشاهده/ee_yaw تانسور (4،) float32 ربات افکتور پایانی یاو.
steps/observation/ee_yaw_delta تانسور (4،) float32 ربات افکتور انتهایی یاو دلتا.
مراحل / مشاهده / تصویر تصویر (128، 128، 3) uint8 دوربین اصلی رصد RGB.
steps/observation/joint_pos تانسور (7،) float32 موقعیت های مشترک ربات
steps/observation/joint_vel تانسور (7،) float32 سرعت های مشترک ربات
مراحل/مشاهده/جریان_نوری تانسور (128، 128، 2) float32 جریان نوری
مراحل / مشاهده / حالت تانسور (8،) float32 اطلاعات حس عمقی ربات، [7x پوز مفصل، 1x دستگیره باز/بستن].
مراحل/پاداش اسکالر float32 در صورت ارائه پاداش، 1 در مرحله آخر برای دموها.
@inproceedings{lee2019icra,
  title={Making sense of vision and touch: Self-supervised learning of multimodal representations for contact-rich tasks},
  author={Lee, Michelle A and Zhu, Yuke and Srinivasan, Krishnan and Shah, Parth and Savarese, Silvio and Fei-Fei, Li and  Garg, Animesh and Bohg, Jeannette},
  booktitle={2019 IEEE International Conference on Robotics and Automation (ICRA)},
  year={2019},
  url={https://arxiv.org/abs/1810.10191}
}