stanford_robocook_converted_externally_to_rlds

  • বর্ণনা :

ফ্রাঙ্কা বিভিন্ন সরঞ্জাম দিয়ে ডাম্পলিং প্রস্তুত করছে

বিভক্ত উদাহরণ
'train' 2,460
  • বৈশিষ্ট্য গঠন :
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),
    }),
})
  • বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য ক্লাস আকৃতি ডিটাইপ বর্ণনা
ফিচারসডিক্ট
episode_metadata ফিচারসডিক্ট
episode_metadata/extrinsics_1 টেনসর (৪, ৪) float32 ক্যামেরা 1 এক্সট্রিনসিক ম্যাট্রিক্স।
episode_metadata/extrinsics_2 টেনসর (৪, ৪) float32 ক্যামেরা 2 এক্সট্রিনসিক ম্যাট্রিক্স।
episode_metadata/extrinsics_3 টেনসর (৪, ৪) float32 ক্যামেরা 3 এক্সট্রিনসিক ম্যাট্রিক্স।
episode_metadata/extrinsics_4 টেনসর (৪, ৪) float32 ক্যামেরা 4 এক্সট্রিনসিক ম্যাট্রিক্স।
episode_metadata/file_path পাঠ্য স্ট্রিং মূল ডেটা ফাইলের পথ।
পদক্ষেপ ডেটাসেট
পদক্ষেপ/ক্রিয়া টেনসর (৭,) float32 রোবট অ্যাকশন, [3x রোবট এন্ড-ইফেক্টর বেগ, 3x রোবট এন্ড-ইফেক্টর কৌণিক বেগ, 1x গ্রিপার বেগ] নিয়ে গঠিত।
পদক্ষেপ/ছাড় স্কেলার float32 ডিসকাউন্ট দেওয়া হলে, ডিফল্ট 1.
steps/is_first টেনসর bool
ধাপ/শেষ_শেষ টেনসর bool
steps/is_terminal টেনসর bool
পদক্ষেপ/ভাষা_এম্বেডিং টেনসর (512,) float32 কোন ভাষা এম্বেডিং. https://tfhub.dev/google/universal-sentence-encoder-large/5 দেখুন
পদক্ষেপ/ভাষা_নির্দেশ পাঠ্য স্ট্রিং ভাষার নির্দেশনা।
পদক্ষেপ/পর্যবেক্ষণ ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/গভীরতা_1 টেনসর (256, 256) float32 ক্যামেরা 1 গভীরতা পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/গভীরতা_2 টেনসর (256, 256) float32 ক্যামেরা 2 গভীরতা পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/গভীরতা_৩ টেনসর (256, 256) float32 ক্যামেরা 3 গভীরতা পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/গভীরতা_4 টেনসর (256, 256) float32 ক্যামেরা 4 গভীরতা পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/চিত্র_1 ছবি (256, 256, 3) uint8 ক্যামেরা 1 আরজিবি পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/ছবি_২ ছবি (256, 256, 3) uint8 ক্যামেরা 2 আরজিবি পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/চিত্র_৩ ছবি (256, 256, 3) uint8 ক্যামেরা 3 আরজিবি পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/ছবি_৪ ছবি (256, 256, 3) uint8 ক্যামেরা 4 আরজিবি পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/রাষ্ট্র টেনসর (৭,) float32 রোবট স্টেট, [3x রোবট এন্ড-ইফেক্টর পজিশন, 3x রোবট এন্ড-ইফেক্টর ইউলার অ্যাঙ্গেল, 1x গ্রিপার পজিশন] নিয়ে গঠিত।
পদক্ষেপ/পুরস্কার স্কেলার float32 প্রদান করা হলে পুরস্কার, ডেমোর জন্য চূড়ান্ত ধাপে 1।
  • তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

  • চিত্র ( tfds.show_examples ): সমর্থিত নয়।

  • উদাহরণ ( tfds.as_dataframe ): অনুপস্থিত।

  • উদ্ধৃতি :

@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}
}