aloha_mobile

Keterangan :

Kumpulan data nyata. Meniru tugas manipulasi seluler yang bersifat bimanual dan memerlukan kontrol seluruh tubuh. 50 demonstrasi untuk setiap tugas.

Beranda : https://mobile-aloha.github.io
Kode sumber : tfds.robotics.rtx.AlohaMobile
Versi :
- 0.1.0 (default): Rilis awal.
Ukuran unduhan : Unknown size
Ukuran kumpulan data : 47.42 GiB
Cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	276

Struktur fitur :

FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(16,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_instruction': string,
        'observation': FeaturesDict({
            'cam_high': Image(shape=(480, 640, 3), dtype=uint8),
            'cam_left_wrist': Image(shape=(480, 640, 3), dtype=uint8),
            'cam_right_wrist': Image(shape=(480, 640, 3), dtype=uint8),
            'state': Tensor(shape=(14,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D
	FiturDict
episode_metadata	FiturDict
episode_metadata/file_path	Tensor		rangkaian
Langkah	Himpunan data
langkah/tindakan	Tensor	(16,)	float32
langkah/diskon	Skalar		float32
langkah/adalah_pertama	Tensor		bodoh
langkah/adalah_terakhir	Tensor		bodoh
langkah/is_terminal	Tensor		bodoh
langkah/bahasa_instruksi	Tensor		rangkaian
langkah/pengamatan	FiturDict
langkah/pengamatan/cam_high	Gambar	(480, 640, 3)	uint8
langkah/pengamatan/cam_left_wrist	Gambar	(480, 640, 3)	uint8
langkah/pengamatan/cam_right_wrist	Gambar	(480, 640, 3)	uint8
langkah/pengamatan/keadaan	Tensor	(14,)	float32
langkah/hadiah	Skalar		float32

Kunci yang diawasi (Lihat dokumen as_supervised ): None
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ):

Kutipan :

@inproceedings{fu2024mobile,author = {Fu, Zipeng and Zhao, Tony Z. and Finn, Chelsea},title = {Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation},booktitle = {arXiv},year = {2024},}