vima_converted_externally_to_rlds

  • Description :

Ensemble de données SIM d'un seul bras de robot effectuant des tâches de table générées de manière procédurale avec des invites multimodales, plus de 600 000 trajectoires

Diviser Exemples
  • Structure des fonctionnalités :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'action_bounds': FeaturesDict({
            'high': Tensor(shape=(3,), dtype=float32),
            'low': Tensor(shape=(3,), dtype=float32),
        }),
        'end-effector type': string,
        'failure': Scalar(shape=(), dtype=bool),
        'file_path': string,
        'n_objects': Scalar(shape=(), dtype=int64),
        'num_steps': Scalar(shape=(), dtype=int64),
        'robot_components_seg_ids': Sequence(Scalar(shape=(), dtype=int64)),
        'seed': Scalar(shape=(), dtype=int64),
        'success': Scalar(shape=(), dtype=bool),
        'task': string,
    }),
    'steps': Dataset({
        'action': FeaturesDict({
            'pose0_position': Tensor(shape=(3,), dtype=float32),
            'pose0_rotation': Tensor(shape=(4,), dtype=float32),
            'pose1_position': Tensor(shape=(3,), dtype=float32),
            'pose1_rotation': Tensor(shape=(4,), dtype=float32),
        }),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'multimodal_instruction': string,
        'multimodal_instruction_assets': FeaturesDict({
            'asset_type': Sequence(string),
            'frontal_image': Sequence(Tensor(shape=(128, 256, 3), dtype=uint8)),
            'frontal_segmentation': Sequence(Tensor(shape=(128, 256), dtype=uint8)),
            'image': Sequence(Tensor(shape=(128, 256, 3), dtype=uint8)),
            'key_name': Sequence(string),
            'segmentation': Sequence(Tensor(shape=(128, 256), dtype=uint8)),
            'segmentation_obj_info': Sequence({
                'obj_name': Sequence(string),
                'segm_id': Sequence(Scalar(shape=(), dtype=int64)),
                'texture_name': Sequence(string),
            }),
        }),
        'observation': FeaturesDict({
            'ee': int64,
            'frontal_image': Tensor(shape=(128, 256, 3), dtype=uint8),
            'frontal_segmentation': Tensor(shape=(128, 256), dtype=uint8),
            'image': Tensor(shape=(128, 256, 3), dtype=uint8),
            'segmentation': Tensor(shape=(128, 256), dtype=uint8),
            'segmentation_obj_info': FeaturesDict({
                'obj_name': Sequence(string),
                'segm_id': Sequence(Scalar(shape=(), dtype=int64)),
                'texture_name': Sequence(string),
            }),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentation des fonctionnalités :
Fonctionnalité Classe Forme Type D Description
FonctionnalitésDict
épisode_métadonnées FonctionnalitésDict
épisode_metadata/action_bounds FonctionnalitésDict
épisode_metadata/action_bounds/high Tenseur (3,) flotteur32
épisode_metadata/action_bounds/low Tenseur (3,) flotteur32
type d'épisode_métadonnées/effecteur final Tenseur chaîne
épisode_métadonnées/échec Scalaire bouffon
épisode_metadata/file_path Tenseur chaîne
épisode_metadata/n_objects Scalaire int64
épisode_metadata/num_steps Scalaire int64
épisode_metadata/robot_components_seg_ids Séquence (scalaire) (Aucun,) int64
épisode_métadonnées/graine Scalaire int64
épisode_métadonnées/succès Scalaire bouffon
épisode_métadonnées/tâche Tenseur chaîne
pas Base de données
étapes/actions FonctionnalitésDict
étapes/action/pose0_position Tenseur (3,) flotteur32
étapes/action/pose0_rotation Tenseur (4,) flotteur32
étapes/action/pose1_position Tenseur (3,) flotteur32
étapes/action/pose1_rotation Tenseur (4,) flotteur32
étapes/remise Scalaire flotteur32
étapes/is_first Tenseur bouffon
étapes/est_dernier Tenseur bouffon
étapes/is_terminal Tenseur bouffon
étapes/instruction_multimodale Tenseur chaîne
étapes/multimodal_instruction_assets FonctionnalitésDict
étapes/multimodal_instruction_assets/asset_type Séquence (Tenseur) (Aucun,) chaîne
étapes/multimodal_instruction_assets/frontal_image Séquence (Tenseur) (Aucun, 128, 256, 3) uint8
étapes/multimodal_instruction_assets/frontal_segmentation Séquence (Tenseur) (Aucun, 128, 256) uint8
étapes/multimodal_instruction_assets/image Séquence (Tenseur) (Aucun, 128, 256, 3) uint8
étapes/multimodal_instruction_assets/key_name Séquence (Tenseur) (Aucun,) chaîne
étapes/multimodal_instruction_assets/segmentation Séquence (Tenseur) (Aucun, 128, 256) uint8
étapes/multimodal_instruction_assets/segmentation_obj_info Séquence
étapes/multimodal_instruction_assets/segmentation_obj_info/obj_name Séquence (Tenseur) (Aucun,) chaîne
étapes/multimodal_instruction_assets/segmentation_obj_info/segm_id Séquence (scalaire) (Aucun,) int64
steps/multimodal_instruction_assets/segmentation_obj_info/texture_name Séquence (Tenseur) (Aucun,) chaîne
étapes/observation FonctionnalitésDict
étapes/observation/ee Tenseur int64
étapes/observation/frontal_image Tenseur (128, 256, 3) uint8
étapes/observation/frontal_segmentation Tenseur (128, 256) uint8
étapes/observation/image Tenseur (128, 256, 3) uint8
étapes/observation/segmentation Tenseur (128, 256) uint8
étapes/observation/segmentation_obj_info FonctionnalitésDict
étapes/observation/segmentation_obj_info/obj_name Séquence (Tenseur) (Aucun,) chaîne
étapes/observation/segmentation_obj_info/segm_id Séquence (scalaire) (Aucun,) int64
étapes/observation/segmentation_obj_info/texture_name Séquence (Tenseur) (Aucun,) chaîne
étapes/récompense Scalaire flotteur32
@inproceedings{jiang2023vima,  title     = {VIMA: General Robot Manipulation with Multimodal Prompts},  author    = {Yunfan Jiang and Agrim Gupta and Zichen Zhang and Guanzhi Wang and Yongqiang Dou and Yanjun Chen and Li Fei-Fei and Anima Anandkumar and Yuke Zhu and Linxi Fan}, booktitle = {Fortieth International Conference on Machine Learning},  year      = {2023}. }