ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • Tanım :

xArm dikkat dağıtıcılarla nesneleri toplama ve yerleştirme

Bölmek Örnekler
'train' 1.355
  • Özellik yapısı :
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.),
    }),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
bölüm_meta verileri ÖzelliklerDict
Episode_metadata/sorumluluk reddi Metin sicim Belirli bir bölümle ilgili sorumluluk reddi beyanı.
bölüm_metadata/dosya_yolu Metin sicim Orijinal veri dosyasının yolu.
bölüm_metadata/n_transitions Skaler int32 Bölümdeki geçiş sayısı.
bölüm_metadata/başarı Skaler bool Bir bölümün son durumu bir başarı durumuysa doğru, aksi durumda yanlış.
bölüm_metadata/success_labeled_by Metin sicim Bölümün başarısını (ve dolayısıyla ödülünü) kim etiketledi? Şunlardan biri olabilir: [insan, sınıflandırıcı].
adımlar Veri kümesi
adımlar/eylem Tensör (4,) kayan nokta32 Robot hareketi, [3x kıskaç hızı, 1x kıskaç açma/kapama torkundan] oluşur.
adımlar/indirim Skaler kayan nokta32 Sağlanırsa indirim, varsayılan olarak 1'dir.
adımlar/is_first Tensör bool
adımlar/is_last Tensör bool
adımlar/is_terminal Tensör bool
adımlar/dil_embedding Tensör (512,) kayan nokta32 Kona dili yerleştirme. Bkz. https://tfhub.dev/google/universal-sentence-encoder-large/5
adımlar/language_instruction Metin sicim Dil Öğretimi.
adımlar/gözlem ÖzelliklerDict
adımlar/gözlem/görüntü Resim (224, 224, 3) uint8 Kamera RGB gözlemi.
adımlar/gözlem/durum Tensör (7,) kayan nokta32 Robot durumu, [3x tutucu konumu, 3x tutucu yönelimi, 1x parmak mesafesinden] oluşur.
adımlar/ödül Skaler kayan nokta32 Sağlandığı takdirde ödül, demolar için son adımda 1.
@preprint{Feng2023Finetuning,
    title={Finetuning Offline World Models in the Real World},
    author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
    year={2023}
}