stanford_robocook_converted_externally_to_rlds

  • Keterangan :

Franka menyiapkan pangsit dengan berbagai alat

Membelah Contoh
'train' 2.460
  • Struktur fitur :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'extrinsics_1': Tensor(shape=(4, 4), dtype=float32),
        'extrinsics_2': Tensor(shape=(4, 4), dtype=float32),
        'extrinsics_3': Tensor(shape=(4, 4), dtype=float32),
        'extrinsics_4': Tensor(shape=(4, 4), dtype=float32),
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), 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({
            'depth_1': Tensor(shape=(256, 256), dtype=float32),
            'depth_2': Tensor(shape=(256, 256), dtype=float32),
            'depth_3': Tensor(shape=(256, 256), dtype=float32),
            'depth_4': Tensor(shape=(256, 256), dtype=float32),
            'image_1': Image(shape=(256, 256, 3), dtype=uint8),
            'image_2': Image(shape=(256, 256, 3), dtype=uint8),
            'image_3': Image(shape=(256, 256, 3), dtype=uint8),
            'image_4': Image(shape=(256, 256, 3), dtype=uint8),
            'state': Tensor(shape=(7,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Tipe D Keterangan
FiturDict
episode_metadata FiturDict
episode_metadata/ekstrinsik_1 Tensor (4, 4) float32 Kamera 1 Matriks Ekstrinsik.
episode_metadata/ekstrinsik_2 Tensor (4, 4) float32 Kamera 2 Matriks Ekstrinsik.
episode_metadata/ekstrinsik_3 Tensor (4, 4) float32 Kamera 3 Matriks Ekstrinsik.
episode_metadata/ekstrinsik_4 Tensor (4, 4) float32 Kamera 4 Matriks Ekstrinsik.
episode_metadata/file_path Teks rangkaian Jalur ke file data asli.
Langkah Himpunan data
langkah/tindakan Tensor (7,) float32 Aksi robot, terdiri dari [3x kecepatan efektor akhir robot, 3x kecepatan sudut efektor akhir robot, 1x kecepatan gripper].
langkah/diskon Skalar float32 Diskon jika disediakan, defaultnya adalah 1.
langkah/adalah_pertama Tensor bodoh
langkah/adalah_terakhir Tensor bodoh
langkah/is_terminal Tensor bodoh
langkah/bahasa_embedding Tensor (512,) float32 Penyematan bahasa Kona. Lihat https://tfhub.dev/google/universal-sentence-encoder-large/5
langkah/bahasa_instruksi Teks rangkaian Instruksi Bahasa.
langkah/pengamatan FiturDict
langkah/pengamatan/kedalaman_1 Tensor (256, 256) float32 Kamera 1 Pengamatan kedalaman.
langkah/pengamatan/kedalaman_2 Tensor (256, 256) float32 Kamera 2 Pengamatan kedalaman.
langkah/pengamatan/kedalaman_3 Tensor (256, 256) float32 Kamera 3 Pengamatan kedalaman.
langkah/pengamatan/kedalaman_4 Tensor (256, 256) float32 Kamera 4 Pengamatan kedalaman.
langkah/pengamatan/gambar_1 Gambar (256, 256, 3) uint8 Kamera 1 observasi RGB.
langkah/pengamatan/gambar_2 Gambar (256, 256, 3) uint8 Kamera 2 observasi RGB.
langkah/pengamatan/gambar_3 Gambar (256, 256, 3) uint8 Kamera 3 observasi RGB.
langkah/pengamatan/gambar_4 Gambar (256, 256, 3) uint8 Kamera 4 observasi RGB.
langkah/pengamatan/keadaan Tensor (7,) float32 Keadaan robot, terdiri dari [3x posisi efektor akhir robot, 3x sudut euler efektor akhir robot, 1x posisi gripper].
langkah/hadiah Skalar float32 Hadiah jika diberikan, 1 pada langkah terakhir untuk demo.
@article{shi2023robocook,
  title={RoboCook: Long-Horizon Elasto-Plastic Object Manipulation with Diverse Tools},
  author={Shi, Haochen and Xu, Huazhe and Clarke, Samuel and Li, Yunzhu and Wu, Jiajun},
  journal={arXiv preprint arXiv:2306.14447},
  year={2023}
}