stanford_robocook_converted_externally_to_rlds

  • Tanım :

Franka çeşitli aletlerle köfte hazırlıyor

Bölmek Örnekler
'train' 2.460
  • Özellik yapısı :
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),
    }),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
bölüm_meta verileri ÖzelliklerDict
Episode_metadata/extrinsics_1 Tensör (4, 4) kayan nokta32 Kamera 1 Dışsal Matris.
Episode_metadata/extrinsics_2 Tensör (4, 4) kayan nokta32 Kamera 2 Dışsal Matris.
Episode_metadata/extrinsics_3 Tensör (4, 4) kayan nokta32 Kamera 3 Dışsal Matris.
bölüm_metadata/extrinsics_4 Tensör (4, 4) kayan nokta32 Kamera 4 Dışsal Matris.
bölüm_metadata/dosya_yolu Metin sicim Orijinal veri dosyasının yolu.
adımlar Veri kümesi
adımlar/eylem Tensör (7,) kayan nokta32 Robot hareketi, [3x robot uç efektör hızları, 3x robot uç efektör açısal hızları, 1x kıskaç hızı]'ndan oluşur.
adımlar/indirim Skaler kayan nokta32 Sağlanırsa indirim, varsayılan olarak 1'dir.
adımlar/is_first Tensör bool
adımlar/is_last Tensör bool
adımlar/is_terminal Tensör bool
adımlar/dil_embedding Tensör (512,) kayan nokta32 Kona dili yerleştirme. Bkz. https://tfhub.dev/google/universal-sentence-encoder-large/5
adımlar/language_instruction Metin sicim Dil Öğretimi.
adımlar/gözlem ÖzelliklerDict
adımlar/gözlem/derinlik_1 Tensör (256, 256) kayan nokta32 Kamera 1 Derinlik gözlemi.
adımlar/gözlem/derinlik_2 Tensör (256, 256) kayan nokta32 Kamera 2 Derinlik gözlemi.
adımlar/gözlem/derinlik_3 Tensör (256, 256) kayan nokta32 Kamera 3 Derinlik gözlemi.
adımlar/gözlem/derinlik_4 Tensör (256, 256) kayan nokta32 Kamera 4 Derinlik gözlemi.
adımlar/gözlem/görüntü_1 Resim (256, 256, 3) uint8 Kamera 1 RGB gözlemi.
adımlar/gözlem/resim_2 Resim (256, 256, 3) uint8 Kamera 2 RGB gözlemi.
adımlar/gözlem/resim_3 Resim (256, 256, 3) uint8 Kamera 3 RGB gözlemi.
adımlar/gözlem/görüntü_4 Resim (256, 256, 3) uint8 Kamera 4 RGB gözlemi.
adımlar/gözlem/durum Tensör (7,) kayan nokta32 Robot durumu, [3x robot uç efektör konumu, 3x robot uç efektör euler açıları, 1x tutucu konumu]'ndan oluşur.
adımlar/ödül Skaler kayan nokta32 Sağlandığı takdirde ödül, demolar için son adımda 1.
@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}
}