यूसीएसडी_पिक_एंड_प्लेस_डेटासेट_कन्वर्टेड_एक्सटर्नली_टू_आरएलडीएस

  • विवरण :

xArm वस्तुओं को ध्यान भटकाने वाली वस्तुओं के साथ चुनना और रखना

विभाजित करना उदाहरण
'train' 1,355
  • फ़ीचर संरचना :
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.),
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीप्रकार विवरण
फीचर्सडिक्ट
एपिसोड_मेटाडेटा फीचर्सडिक्ट
एपिसोड_मेटाडेटा/अस्वीकरण मूलपाठ डोरी विशेष प्रकरण के बारे में अस्वीकरण.
एपिसोड_मेटाडेटा/फ़ाइल_पथ मूलपाठ डोरी मूल डेटा फ़ाइल का पथ.
एपिसोड_मेटाडेटा/एन_ट्रांज़िशन अदिश int32 एपिसोड में बदलावों की संख्या.
एपिसोड_मेटाडेटा/सफलता अदिश बूल यदि किसी एपिसोड की अंतिम स्थिति सफल स्थिति है तो सत्य है, अन्यथा गलत है।
एपिसोड_मेटाडेटा/सफलता_लेबल_द्वारा मूलपाठ डोरी जिसने एपिसोड की सफलता (और इस तरह इनाम) का लेबल लगाया। इनमें से एक हो सकता है: [मानव, वर्गीकरणकर्ता]।
कदम डेटासेट
कदम/कार्रवाई टेन्सर (4,) फ्लोट32 रोबोट कार्रवाई में [3x ग्रिपर वेग, 1x ग्रिपर खुला/बंद टॉर्क] शामिल है।
कदम/छूट अदिश फ्लोट32 यदि छूट प्रदान की गई है, तो डिफ़ॉल्ट 1 है।
चरण/पहला है टेन्सर बूल
चरण/अंतिम है टेन्सर बूल
चरण/is_terminal टेन्सर बूल
चरण/भाषा_एम्बेडिंग टेन्सर (512,) फ्लोट32 कोना भाषा एम्बेडिंग. https://tfhub.dev/google/universal-sentence-encoder-large/5 देखें
चरण/भाषा_निर्देश मूलपाठ डोरी भाषा निर्देश.
चरण/अवलोकन फीचर्सडिक्ट
चरण/अवलोकन/छवि छवि (224, 224, 3) uint8 कैमरा आरजीबी अवलोकन।
चरण/अवलोकन/स्थिति टेन्सर (7,) फ्लोट32 रोबोट स्थिति में [3x ग्रिपर स्थिति, 3x ग्रिपर ओरिएंटेशन, 1x उंगली की दूरी] शामिल है।
कदम/इनाम अदिश फ्लोट32 यदि प्रदान किया गया तो इनाम, डेमो के लिए अंतिम चरण पर 1।
  • पर्यवेक्षित कुंजियाँ ( as_supervised doc देखें): None

  • चित्र ( tfds.show_examples ): समर्थित नहीं है।

  • उदाहरण ( tfds.as_dataframe ): गुम है।

  • उद्धरण :

@preprint{Feng2023Finetuning,
    title={Finetuning Offline World Models in the Real World},
    author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
    year={2023}
}