aloha_mobile

  • Descrizione :

Set di dati reali. Imitare attività di manipolazione mobile che sono bimanuali e richiedono il controllo di tutto il corpo. 50 dimostrazioni per ogni attività.

Diviso Esempi
'train' 276
  • Struttura delle caratteristiche :
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),
   
}),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
metadati_episodio CaratteristicheDict
metadati_episodio/percorso_file Tensore corda
passi Set di dati
passi/azione Tensore (16,) float32
passi/sconto Scalare float32
passi/è_primo Tensore bool
passi/è_ultimo Tensore bool
passi/è_terminale Tensore bool
passi/lingua_istruzioni Tensore corda
passi/osservazione CaratteristicheDict
passi/osservazione/cam_high Immagine (480, 640, 3) uint8
passi/osservazione/cam_left_wrist Immagine (480, 640, 3) uint8
passi/osservazione/cam_right_wrist Immagine (480, 640, 3) uint8
passi/osservazione/stato Tensore (14,) float32
passi/ricompensa Scalare float32
  • Citazione :
@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},}