ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • Opis :

xArm podnosi i umieszcza przedmioty za pomocą dystraktorów

Podział Przykłady
'train' 1355
  • Struktura funkcji : 
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.),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
metadane_odcinka FunkcjeDykt
metadane_odcinka/zastrzeżenie Tekst smyczkowy Zastrzeżenie dotyczące konkretnego odcinka.
metadane_odcinka/ścieżka_pliku Tekst smyczkowy Ścieżka do oryginalnego pliku danych.
epizod_metadata/n_transitions Skalarny int32 Liczba przejść w odcinku.
metadane_odcinka/success Skalarny bool Prawda, jeśli ostatni stan odcinka jest stanem sukcesu, Fałsz w przeciwnym razie.
epizod_metadata/success_labeled_by Tekst smyczkowy Kto określił sukces (a tym samym nagrodę) odcinka. Może być jednym z: [człowiek, klasyfikator].
kroki Zbiór danych
kroki/akcja Napinacz (4,) pływak32 Działanie robota składa się z [3x prędkości chwytaka, 1x momentu obrotowego otwierania/zamykania chwytaka].
kroki/rabat Skalarny pływak32 Rabat, jeśli jest podany, domyślnie 1.
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/osadzanie_języka Napinacz (512,) pływak32 Osadzanie języka Kona. Zobacz https://tfhub.dev/google/universal-sentence-encoder-large/5
kroki/instrukcja_językowa Tekst smyczkowy Instrukcja językowa.
kroki/obserwacje FunkcjeDykt
kroki/obserwacja/obraz Obraz (224, 224, 3) uint8 Kamera RGB do obserwacji.
kroki/obserwacja/stan Napinacz (7,) pływak32 Stan robota składa się z [3x pozycja chwytaka, 3x orientacja chwytaka, 1x odległość palca].
kroki/nagroda Skalarny pływak32 Nagroda, jeśli jest zapewniona, 1 na ostatnim etapie w przypadku wersji demonstracyjnych.
  • Cytat : 
@preprint{Feng2023Finetuning,
    title={Finetuning Offline World Models in the Real World},
    author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
    year={2023}
}