ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • বর্ণনা :

xArm বাছাই এবং distractors সঙ্গে বস্তু স্থাপন

বিভক্ত উদাহরণ
'train' 1,355
  • বৈশিষ্ট্য গঠন :
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),
    }),
})
  • বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য ক্লাস আকৃতি ডিটাইপ বর্ণনা
ফিচারসডিক্ট
episode_metadata ফিচারসডিক্ট
episode_metadata/অস্বীকৃতি পাঠ্য স্ট্রিং নির্দিষ্ট পর্ব সম্পর্কে দাবিত্যাগ.
episode_metadata/file_path পাঠ্য স্ট্রিং মূল ডেটা ফাইলের পথ।
episode_metadata/n_transitions স্কেলার int32 পর্বে স্থানান্তরের সংখ্যা।
episode_metadata/success স্কেলার bool সত্য যদি একটি পর্বের শেষ অবস্থা একটি সফল রাষ্ট্র হয়, অন্যথায় মিথ্যা।
episode_metadata/success_labeled_by পাঠ্য স্ট্রিং যিনি পর্বের সাফল্য (এবং এর ফলে পুরস্কার) লেবেল করেছেন। এর মধ্যে একটি হতে পারে: [মানুষ, শ্রেণিবিন্যাসকারী]।
পদক্ষেপ ডেটাসেট
পদক্ষেপ/ক্রিয়া টেনসর (৪,) float32 রোবট অ্যাকশন, [3x গ্রিপার বেগ, 1x গ্রিপার ওপেন/ক্লোজ টর্ক] নিয়ে গঠিত।
পদক্ষেপ/ছাড় স্কেলার float32 ডিসকাউন্ট দেওয়া হলে, ডিফল্ট 1.
steps/is_first টেনসর bool
ধাপ/শেষ_শেষ টেনসর bool
steps/is_terminal টেনসর bool
পদক্ষেপ/ভাষা_এম্বেডিং টেনসর (512,) float32 কোন ভাষা এম্বেডিং. https://tfhub.dev/google/universal-sentence-encoder-large/5 দেখুন
পদক্ষেপ/ভাষা_নির্দেশ পাঠ্য স্ট্রিং ভাষার নির্দেশনা।
পদক্ষেপ/পর্যবেক্ষণ ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/চিত্র ছবি (224, 224, 3) uint8 ক্যামেরা আরজিবি পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/রাষ্ট্র টেনসর (৭,) float32 রোবট অবস্থা, [3x গ্রিপার অবস্থান, 3x গ্রিপার ওরিয়েন্টেশন, 1x আঙুলের দূরত্ব] নিয়ে গঠিত।
পদক্ষেপ/পুরস্কার স্কেলার float32 প্রদান করা হলে পুরস্কার, ডেমোর জন্য চূড়ান্ত ধাপে 1।
  • তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

  • চিত্র ( tfds.show_examples ): সমর্থিত নয়।

  • উদাহরণ ( tfds.as_dataframe ): অনুপস্থিত।

  • উদ্ধৃতি :

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