ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • 설명 :

xArm은 산만하게 하는 물체를 선택하고 배치합니다.

나뉘다 예
'train' 1,355
  • 기능 구조 :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'disclaimer': Text(shape=(), dtype=string),
        'file_path': Text(shape=(), dtype=string),
        'n_transitions': Scalar(shape=(), dtype=int32),
        'success': Scalar(shape=(), dtype=bool),
        'success_labeled_by': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(4,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'image': Image(shape=(224, 224, 3), dtype=uint8),
            'state': Tensor(shape=(7,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • 기능 문서 :
특징 수업 모양 Dtype 설명
특징Dict
에피소드_메타데이터 특징Dict
Episode_metadata/면책조항 텍스트 끈 특정 에피소드에 대한 면책조항입니다.
에피소드_메타데이터/파일_경로 텍스트 끈 원본 데이터 파일의 경로입니다.
Episode_metadata/n_transitions 스칼라 정수32 에피소드의 전환 수입니다.
에피소드_메타데이터/성공 스칼라 부울 에피소드의 마지막 상태가 성공 상태이면 참이고, 그렇지 않으면 거짓입니다.
Episode_metadata/success_labeled_by 텍스트 끈 에피소드의 성공(및 그에 따른 보상) 라벨을 붙인 사람입니다. [인간, 분류자] 중 하나일 수 있습니다.
단계 데이터세트
단계/작업 텐서 (4,) float32 로봇 동작은 [3x 그리퍼 속도, 1x 그리퍼 열기/닫기 토크]로 구성됩니다.
걸음수/할인 스칼라 float32 할인이 제공되면 기본값은 1입니다.
걸음수/is_first 텐서 부울
걸음수/is_last 텐서 부울
단계/is_terminal 텐서 부울
단계/언어_임베딩 텐서 (512,) float32 코나 언어 임베딩. https://tfhub.dev/google/universal-sentence-encoder-large/5를 참조하세요.
단계/언어_지시 텍스트 끈 언어 교육.
단계/관찰 특징Dict
단계/관찰/이미지 영상 (224, 224, 3) uint8 카메라 RGB 관찰.
단계/관찰/상태 텐서 (7,) float32 로봇 상태는 [3x 그리퍼 위치, 3x 그리퍼 방향, 1x 손가락 거리]로 구성됩니다.
걸음수/보상 스칼라 float32 제공되는 경우 보상, 데모의 마지막 단계에서 1개.
@preprint{Feng2023Finetuning,
    title={Finetuning Offline World Models in the Real World},
    author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
    year={2023}
}