tokyo_u_lsmo_converted_externally_to_rlds

  • Описание :

планирование траектории движения задач выбора места

Расколоть Примеры
'train' 50
  • Структура функции :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        '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({
            'image': Image(shape=(120, 120, 3), dtype=uint8),
            'state': Tensor(shape=(13,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
эпизод_метаданные ВозможностиDict
метаданные_эпизода/путь_к файлу Текст нить Путь к исходному файлу данных.
шаги Набор данных
шаги/действия Тензор (7,) поплавок32 Действие робота состоит из [3 положений концевого эффектора, 3 углов Эйлера, 1 действия захвата].
шаги/скидка Скаляр поплавок32 Скидка, если она предусмотрена, по умолчанию равна 1.
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/language_embedding Тензор (512,) поплавок32 Встраивание языка Kona. См. https://tfhub.dev/google/universal-sentence-encoder-large/5 .
шаги/language_instruction Текст нить Языковое обучение.
шаги/наблюдение ВозможностиDict
шаги/наблюдение/изображение Изображение (120, 120, 3) uint8 Основная камера наблюдения RGB.
шаги/наблюдение/состояние Тензор (13,) поплавок32 Состояние робота состоит из [3 положения концевого эффектора, 3 углов Эйлера, 6 углов суставов робота, 1 положения захвата].
шаги/награда Скаляр поплавок32 Награда, если предусмотрена, 1 на последнем этапе демо-версии.
@Article{Osa22,
  author  = {Takayuki Osa},
  journal = {The International Journal of Robotics Research},
  title   = {Motion Planning by Learning the Solution Manifold in Trajectory Optimization},
  year    = {2022},
  number  = {3},
  pages   = {291--311},
  volume  = {41},
}