stanford_mask_vit_converted_externally_to_rlds

Descrição :

Sawyer empurrando e pegando objetos em uma lixeira

Página inicial : https://arxiv.org/abs/2206.11894
Código fonte : tfds.robotics.rtx.StanfordMaskVitConvertedExternallyToRlds
Versões :
- 0.1.0 (padrão): versão inicial.
Tamanho do download : Unknown size
Tamanho do conjunto de dados : 76.17 GiB
Armazenado em cache automaticamente ( documentação ): Não
Divisões :

Dividir	Exemplos
`'train'`	9.109
`'val'`	91

Estrutura de recursos :

FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(5,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'end_effector_pose': Tensor(shape=(5,), dtype=float32),
            'finger_sensors': Tensor(shape=(1,), dtype=float32),
            'high_bound': Tensor(shape=(5,), dtype=float32),
            'image': Image(shape=(480, 480, 3), dtype=uint8),
            'low_bound': Tensor(shape=(5,), dtype=float32),
            'state': Tensor(shape=(15,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})

Documentação de recursos :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
episódio_metadados	RecursosDict
episódio_metadados/caminho_do_arquivo	Texto		corda	Caminho para o arquivo de dados original.
passos	Conjunto de dados
etapas/ação	Tensor	(5,)	float32	A ação do robô consiste em [3x mudança na posição do atuador final, 1x guinada da garra, 1x pinça aberta/fechada (-1 significa abrir a garra, 1 significa fechar)].
passos/desconto	Escalar		float32	Desconto, se fornecido, o padrão é 1.
passos/é_primeiro	Tensor		bool
passos/é_último	Tensor		bool
etapas/is_terminal	Tensor		bool
etapas/idioma_incorporação	Tensor	(512,)	float32	Incorporação da linguagem Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5
etapas/instrução_idioma	Texto		corda	Instrução de Idiomas.
etapas/observação	RecursosDict
etapas/observação/end_effector_pose	Tensor	(5,)	float32	A pose do efetor final do robô consiste em [3x posição cartesiana, 1x guinada da pinça, 1x posição da pinça]. Este é o estado usado no artigo MaskViT.
passos/observação/finger_sensors	Tensor	(1,)	float32	1x sensores de dedo da pinça Sawyer.
passos/observação/high_bound	Tensor	(5,)	float32	Limite alto para normalização da pose do efetor final. Consiste em [3x posição cartesiana, 1x guinada da pinça, 1x posição da pinça].
passos/observação/imagem	Imagem	(480, 480, 3)	uint8	Observação RGB da câmera principal.
passos/observação/low_bound	Tensor	(5,)	float32	Limite baixo para normalização da pose do efetor final. Consiste em [3x posição cartesiana, 1x guinada da pinça, 1x posição da pinça].
etapas/observação/estado	Tensor	(15,)	float32	O estado do robô consiste em [7x ângulos de articulação do robô, 7x velocidades de articulação do robô, 1x posição da garra].
passos/recompensa	Escalar		float32	Recompensa, se fornecida, 1 na etapa final para demonstrações.

Chaves supervisionadas (consulte o documento as_supervised ): None
Figura ( tfds.show_examples ): Não suportado.
Exemplos ( tfds.as_dataframe ): Ausente.
Citação :

@inproceedings{gupta2022maskvit,
  title={MaskViT: Masked Visual Pre-Training for Video Prediction},
  author={Agrim Gupta and Stephen Tian and Yunzhi Zhang and Jiajun Wu and Roberto Martín-Martín and Li Fei-Fei},
  booktitle={International Conference on Learning Representations},
  year={2022}
}