- توضیحات :
xArm چیدن و قرار دادن اشیا با حواس پرتی
صفحه اصلی : https://owmcorl.github.io
کد منبع :
tfds.robotics.rtx.UcsdPickAndPlaceDatasetConvertedExternallyToRlds
نسخه ها :
-
0.1.0
(پیش فرض): انتشار اولیه.
-
اندازه دانلود :
Unknown size
حجم مجموعه داده :
3.53 GiB
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :
تقسیم کنید | نمونه ها |
---|---|
'train' | 1,355 |
- ساختار ویژگی :
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.),
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | توضیحات |
---|---|---|---|---|
FeaturesDict | ||||
episode_metadata | FeaturesDict | |||
episode_metadata/سلب مسئولیت | متن | رشته | سلب مسئولیت در مورد قسمت خاص. | |
episode_metadata/file_path | متن | رشته | مسیر فایل داده اصلی | |
episode_metadata/n_transitions | اسکالر | int32 | تعداد انتقال در قسمت. | |
episode_metadata/موفقیت | اسکالر | بوول | درست است اگر آخرین حالت یک قسمت یک حالت موفقیت آمیز باشد، در غیر این صورت نادرست است. | |
episode_metadata/success_labeled_by | متن | رشته | چه کسی موفقیت (و در نتیجه پاداش) قسمت را برچسب زد. می تواند یکی از: [انسان، طبقه بندی کننده] باشد. | |
مراحل | مجموعه داده | |||
مراحل/عمل | تانسور | (4،) | float32 | عمل ربات، شامل [۳ برابر سرعت دستگیره، ۱ برابر گشتاور باز/بستن دستگیره] است. |
مراحل/تخفیف | اسکالر | float32 | تخفیف در صورت ارائه، پیش فرض 1 است. | |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
Steps/language_embedding | تانسور | (512،) | float32 | تعبیه زبان کونا. به https://tfhub.dev/google/universal-sentence-encoder-large/5 مراجعه کنید |
مراحل/زبان_آموزش | متن | رشته | آموزش زبان. | |
مراحل / مشاهده | FeaturesDict | |||
مراحل / مشاهده / تصویر | تصویر | (224، 224، 3) | uint8 | مشاهده RGB دوربین. |
مراحل / مشاهده / حالت | تانسور | (7،) | float32 | حالت ربات، از [موقعیت گیره 3 برابر، جهت گیری گیره 3 برابر، فاصله انگشت 1 برابر] تشکیل شده است. |
مراحل/پاداش | اسکالر | float32 | در صورت ارائه پاداش، 1 در مرحله آخر برای دموها. |
کلیدهای نظارت شده (به
as_supervised
doc مراجعه کنید):None
شکل ( tfds.show_examples ): پشتیبانی نمی شود.
مثالها ( tfds.as_dataframe ): وجود ندارد.
نقل قول :
@preprint{Feng2023Finetuning,
title={Finetuning Offline World Models in the Real World},
author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
year={2023}
}