- Keterangan :
xArm mengambil dan menempatkan objek dengan distraktor
Beranda : https://owmcorl.github.io
Kode sumber :
tfds.robotics.rtx.UcsdPickAndPlaceDatasetConvertedExternallyToRlds
Versi :
-
0.1.0
(default): Rilis awal.
-
Ukuran unduhan :
Unknown size
Ukuran kumpulan data :
3.53 GiB
Cache otomatis ( dokumentasi ): Tidak
Perpecahan :
Membelah | Contoh |
---|---|
'train' | 1.355 |
- Struktur fitur :
FeaturesDict({
'episode_metadata': FeaturesDict({
'disclaimer': Text(shape=(), dtype=string),
'file_path': Text(shape=(), dtype=string),
'n_transitions': Scalar(shape=(), dtype=int32, description=Number of transitions in the episode.),
'success': Scalar(shape=(), dtype=bool, description=True if the last state of an episode is a success state, False otherwise.),
'success_labeled_by': Text(shape=(), dtype=string),
}),
'steps': Dataset({
'action': Tensor(shape=(4,), dtype=float32, description=Robot action, consists of [3x gripper velocities,1x gripper open/close torque].),
'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
'language_instruction': Text(shape=(), dtype=string),
'observation': FeaturesDict({
'image': Image(shape=(224, 224, 3), dtype=uint8, description=Camera RGB observation.),
'state': Tensor(shape=(7,), dtype=float32, description=Robot state, consists of [3x gripper position,3x gripper orientation, 1x finger distance].),
}),
'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
}),
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Tipe D | Keterangan |
---|---|---|---|---|
FiturDict | ||||
episode_metadata | FiturDict | |||
episode_metadata/penafian | Teks | rangkaian | Penafian tentang episode tertentu. | |
episode_metadata/file_path | Teks | rangkaian | Jalur ke file data asli. | |
episode_metadata/n_transitions | Skalar | int32 | Jumlah transisi dalam episode tersebut. | |
episode_metadata/sukses | Skalar | bodoh | Benar jika keadaan terakhir dari sebuah episode adalah keadaan sukses, Salah jika sebaliknya. | |
episode_metadata/success_labeled_by | Teks | rangkaian | Siapa yang memberi label kesuksesan (dan dengan demikian penghargaan) dari episode tersebut. Dapat berupa salah satu dari: [manusia, pengklasifikasi]. | |
tangga | Kumpulan data | |||
langkah/tindakan | Tensor | (4,) | float32 | Aksi robot, terdiri dari [3x kecepatan gripper, 1x torsi buka/tutup 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_penyematan | 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/gambar | Gambar | (224, 224, 3) | uint8 | Pengamatan kamera RGB. |
langkah/pengamatan/keadaan | Tensor | (7,) | float32 | Keadaan robot, terdiri dari [3x posisi gripper, 3x orientasi gripper, 1x jarak jari]. |
langkah/hadiah | Skalar | float32 | Hadiah jika diberikan, 1 pada langkah terakhir untuk demo. |
Kunci yang diawasi (Lihat dokumen
as_supervised
):None
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ): Tidak ada.
Kutipan :
@preprint{Feng2023Finetuning,
title={Finetuning Offline World Models in the Real World},
author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
year={2023}
}