ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • Description :

xArm sélectionnant et plaçant des objets avec des distractions

Diviser Exemples
'train' 1 355
  • Structure des fonctionnalités :
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.),
    }),
})
  • Documentation des fonctionnalités :
Fonctionnalité Classe Forme Type D Description
FonctionnalitésDict
épisode_métadonnées FonctionnalitésDict
épisode_metadata/disclaimer Texte chaîne Avis de non-responsabilité concernant l'épisode en question.
épisode_metadata/file_path Texte chaîne Chemin d'accès au fichier de données d'origine.
épisode_metadata/n_transitions Scalaire int32 Nombre de transitions dans l'épisode.
épisode_métadonnées/succès Scalaire bouffon Vrai si le dernier état d'un épisode est un état de réussite, Faux dans le cas contraire.
épisode_metadata/success_labeled_by Texte chaîne Qui a qualifié de succès (et donc de récompense) l'épisode. Peut être l'un des suivants : [humain, classificateur].
mesures Ensemble de données
étapes/actions Tenseur (4,) flotteur32 L'action du robot consiste en [3x vitesses de préhension, 1x couple d'ouverture/fermeture de la pince].
étapes/remise Scalaire flotteur32 Remise si fournie, par défaut à 1.
étapes/is_first Tenseur bouffon
étapes/est_dernier Tenseur bouffon
étapes/is_terminal Tenseur bouffon
étapes/langue_embedding Tenseur (512,) flotteur32 Intégration du langage Kona. Voir https://tfhub.dev/google/universal-sentence-encoder-large/5
étapes/instruction_langue Texte chaîne Enseignement des langues.
étapes/observation FonctionnalitésDict
étapes/observation/image Image (224, 224, 3) uint8 Observation par caméra RVB.
étapes/observation/état Tenseur (7,) flotteur32 L'état du robot comprend [3x position de la pince, 3x orientation de la pince, 1x distance des doigts].
étapes/récompense Scalaire flotteur32 Récompense si fournie, 1 à la dernière étape pour les démos.
@preprint{Feng2023Finetuning,
    title={Finetuning Offline World Models in the Real World},
    author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
    year={2023}
}