vima_converted_externally_to_rlds

  • Descrição :

Conjunto de dados SIM de um único braço robótico executando tarefas de mesa geradas processualmente com prompts multimodais, mais de 600 mil trajetórias

Dividir Exemplos
  • Estrutura de recursos :
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),
    }),
})
  • Documentação de recursos :
Recurso Aula Forma Tipo D Descrição
RecursosDict
episódio_metadados RecursosDict
episódio_metadata/action_bounds RecursosDict
episódio_metadata/action_bounds/high Tensor (3,) float32
episódio_metadata/action_bounds/low Tensor (3,) float32
tipo de episódio_metadata/efetor final Tensor corda
episódio_metadata/falha Escalar bool
episódio_metadados/caminho_do_arquivo Tensor corda
episódio_metadata/n_objects Escalar int64
episódio_metadata/num_steps Escalar int64
episódio_metadata/robot_components_seg_ids Sequência (escalar) (Nenhum,) int64
episódio_metadata/semente Escalar int64
episódio_metadata/sucesso Escalar bool
episódio_metadados/tarefa Tensor corda
passos Conjunto de dados
etapas/ação RecursosDict
passos/ação/pose0_position Tensor (3,) float32
passos/ação/pose0_rotation Tensor (4,) float32
passos/ação/pose1_position Tensor (3,) float32
passos/ação/pose1_rotation Tensor (4,) float32
passos/desconto Escalar float32
passos/é_primeiro Tensor bool
passos/é_último Tensor bool
etapas/is_terminal Tensor bool
etapas/instrução_multimodal Tensor corda
etapas/multimodal_instruction_assets RecursosDict
etapas/multimodal_instruction_assets/asset_type Sequência (Tensor) (Nenhum,) corda
etapas/multimodal_instruction_assets/frontal_image Sequência (Tensor) (Nenhum, 128, 256, 3) uint8
etapas/multimodal_instruction_assets/frontal_segmentation Sequência (Tensor) (Nenhum, 128, 256) uint8
etapas/multimodal_instruction_assets/image Sequência (Tensor) (Nenhum, 128, 256, 3) uint8
etapas/multimodal_instruction_assets/key_name Sequência (Tensor) (Nenhum,) corda
etapas/multimodal_instruction_assets/segmentação Sequência (Tensor) (Nenhum, 128, 256) uint8
etapas/multimodal_instruction_assets/segmentation_obj_info Seqüência
etapas/multimodal_instruction_assets/segmentation_obj_info/obj_name Sequência (Tensor) (Nenhum,) corda
etapas/multimodal_instruction_assets/segmentation_obj_info/segm_id Sequência (escalar) (Nenhum,) int64
etapas/multimodal_instruction_assets/segmentation_obj_info/texture_name Sequência (Tensor) (Nenhum,) corda
etapas/observação RecursosDict
passos/observação/ee Tensor int64
passos/observação/imagem_frontal Tensor (128, 256, 3) uint8
etapas/observação/segmentação_frontal Tensor (128, 256) uint8
passos/observação/imagem Tensor (128, 256, 3) uint8
etapas/observação/segmentação Tensor (128, 256) uint8
etapas/observação/segmentação_obj_info RecursosDict
etapas/observação/segmentação_obj_info/obj_name Sequência (Tensor) (Nenhum,) corda
etapas/observação/segmentação_obj_info/segm_id Sequência (escalar) (Nenhum,) int64
etapas/observação/segmentação_obj_info/texture_name Sequência (Tensor) (Nenhum,) corda
passos/recompensa Escalar float32
@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}. }