campo uiuc_d3

  • Descrizione :

Organizzazione della scrivania, degli utensili, ecc

Diviso Esempi
'train' 192
  • Struttura delle caratteristiche :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), 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({
            'depth_1': Image(shape=(360, 640, 1), dtype=uint16),
            'depth_2': Image(shape=(360, 640, 1), dtype=uint16),
            'depth_3': Image(shape=(360, 640, 1), dtype=uint16),
            'depth_4': Image(shape=(360, 640, 1), dtype=uint16),
            'image_1': Image(shape=(360, 640, 3), dtype=uint8),
            'image_2': Image(shape=(360, 640, 3), dtype=uint8),
            'image_3': Image(shape=(360, 640, 3), dtype=uint8),
            'image_4': Image(shape=(360, 640, 3), dtype=uint8),
            'state': Tensor(shape=(4, 4), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
metadati_episodio CaratteristicheDict
metadati_episodio/percorso_file Testo corda Percorso del file di dati originale.
passi Set di dati
passi/azione Tensore (3,) float32 Spostamento del robot dall'ultimo fotogramma
passi/sconto Scalare float32 Sconto se fornito, il valore predefinito è 1.
passi/è_primo Tensore bool
passi/è_ultimo Tensore bool
passi/è_terminale Tensore bool
passaggi/incorporamento_lingua Tensore (512,) float32 Incorporamento del linguaggio Kona. Vedi https://tfhub.dev/google/universal-sentence-encoder-large/5
passi/lingua_istruzioni Testo corda Insegnamento della lingua.
passi/osservazione CaratteristicheDict
passi/osservazione/profondità_1 Immagine (360, 640, 1) uint16 telecamera 1 osservazione della profondità.
passi/osservazione/profondità_2 Immagine (360, 640, 1) uint16 osservazione della profondità della telecamera 2.
passi/osservazione/profondità_3 Immagine (360, 640, 1) uint16 osservazione della profondità della telecamera 3.
passi/osservazione/profondità_4 Immagine (360, 640, 1) uint16 telecamera 4 osservazione della profondità.
passi/osservazione/immagine_1 Immagine (360, 640, 3) uint8 telecamera 1 osservazione RGB.
passi/osservazione/immagine_2 Immagine (360, 640, 3) uint8 osservazione RGB della telecamera 2.
passi/osservazione/immagine_3 Immagine (360, 640, 3) uint8 telecamera 3 osservazione RGB.
passi/osservazione/immagine_4 Immagine (360, 640, 3) uint8 telecamera 4 osservazione RGB.
passi/osservazione/stato Tensore (4, 4) float32 Stato dell'effettore finale del robot
passi/ricompensa Scalare float32 Ricompensa se fornita, 1 nel passaggio finale per le demo.
@article{wang2023d3field,
  title={D^3Field: Dynamic 3D Descriptor Fields for Generalizable Robotic Manipulation},
  author={Wang, Yixuan and Li, Zhuoran and Zhang, Mingtong and Driggs-Campbell, Katherine and Wu, Jiajun and Fei-Fei, Li and Li, Yunzhu},
  journal={arXiv preprint arXiv:},
  year={2023},
}