austin_sirius_dataset_converted_externally_to_rlds

  • বর্ণনা :

ফ্রাঙ্কা ট্যাবলেটপ ম্যানিপুলেশন টাস্ক

বিভক্ত উদাহরণ
'train' 559
  • বৈশিষ্ট্য গঠন :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32, description=Robot action, consists of [3x ee relative pos, 3x ee relative rotation, 1x gripper action].),
        'action_mode': Tensor(shape=(1,), dtype=float32, description=Type of interaction. -1: initial human demonstration. 1: intervention. 0: autonomuos robot execution (includes pre-intervention class)),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'intv_label': Tensor(shape=(1,), dtype=float32, description=Same as action_modes, except 15 timesteps preceding intervention are labeled as -10.),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'image': Image(shape=(84, 84, 3), dtype=uint8, description=Main camera RGB observation.),
            'state': Tensor(shape=(8,), dtype=float32, description=Default robot state, consists of [7x robot joint state, 1x gripper state].),
            'state_ee': Tensor(shape=(16,), dtype=float32, description=End-effector state, represented as 4x4 homogeneous transformation matrix of ee pose.),
            'state_gripper': Tensor(shape=(1,), dtype=float32, description=Robot gripper opening width. Ranges between ~0 (closed) to ~0.077 (open)),
            'state_joint': Tensor(shape=(7,), dtype=float32, description=Robot 7-dof joint information.),
            'wrist_image': Image(shape=(84, 84, 3), dtype=uint8, description=Wrist camera RGB observation.),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য ক্লাস আকৃতি ডিটাইপ বর্ণনা
ফিচারসডিক্ট
episode_metadata ফিচারসডিক্ট
episode_metadata/file_path পাঠ্য স্ট্রিং মূল ডেটা ফাইলের পথ।
পদক্ষেপ ডেটাসেট
পদক্ষেপ/ক্রিয়া টেনসর (৭,) float32 রোবট অ্যাকশন, [3x ee আপেক্ষিক pos, 3x ee আপেক্ষিক ঘূর্ণন, 1x গ্রিপার অ্যাকশন] নিয়ে গঠিত।
পদক্ষেপ/অ্যাকশন_মোড টেনসর (1,) float32 মিথস্ক্রিয়া প্রকার। -1: প্রাথমিক মানব প্রদর্শন। 1: হস্তক্ষেপ। 0: স্বায়ত্তশাসিত রোবট সম্পাদন (প্রি-হস্তক্ষেপ ক্লাস অন্তর্ভুক্ত)
পদক্ষেপ/ছাড় স্কেলার float32 ডিসকাউন্ট দেওয়া হলে, ডিফল্ট 1.
পদক্ষেপ/intv_label টেনসর (1,) float32 অ্যাকশন_মোডের মতোই, পূর্ববর্তী হস্তক্ষেপের 15টি টাইমস্টেপ বাদে -10 হিসাবে লেবেল করা হয়েছে।
steps/is_first টেনসর bool
ধাপ/শেষ_শেষ টেনসর bool
steps/is_terminal টেনসর bool
পদক্ষেপ/ভাষা_এম্বেডিং টেনসর (512,) float32 কোন ভাষা এম্বেডিং. https://tfhub.dev/google/universal-sentence-encoder-large/5 দেখুন
পদক্ষেপ/ভাষা_নির্দেশ পাঠ্য স্ট্রিং ভাষার নির্দেশনা।
পদক্ষেপ/পর্যবেক্ষণ ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/চিত্র ছবি (৮৪, ৮৪, ৩) uint8 প্রধান ক্যামেরা আরজিবি পর্যবেক্ষণ।
পদক্ষেপ/পর্যবেক্ষণ/রাষ্ট্র টেনসর (8,) float32 ডিফল্ট রোবট স্টেট, [7x রোবট জয়েন্ট স্টেট, 1x গ্রিপার স্টেট] নিয়ে গঠিত।
পদক্ষেপ/পর্যবেক্ষণ/state_ee টেনসর (16,) float32 শেষ-প্রভাবক অবস্থা, EE ভঙ্গির 4x4 সমজাতীয় রূপান্তর ম্যাট্রিক্স হিসাবে উপস্থাপিত।
পদক্ষেপ/পর্যবেক্ষণ/state_gripper টেনসর (1,) float32 রোবট গ্রিপার খোলার প্রস্থ। ~0 (বন্ধ) থেকে ~0.077 (খোলা) এর মধ্যে রেঞ্জ
পদক্ষেপ/পর্যবেক্ষণ/state_joint টেনসর (৭,) float32 রোবট 7-dof যৌথ তথ্য।
পদক্ষেপ/পর্যবেক্ষণ/কব্জি_চিত্র ছবি (৮৪, ৮৪, ৩) uint8 কব্জি ক্যামেরা আরজিবি পর্যবেক্ষণ।
পদক্ষেপ/পুরস্কার স্কেলার float32 প্রদান করা হলে পুরস্কার, ডেমোর জন্য চূড়ান্ত ধাপে 1।
  • উদ্ধৃতি :
@inproceedings{liu2022robot,
    title = {Robot Learning on the Job: Human-in-the-Loop Autonomy and Learning During Deployment},
    author = {Huihan Liu and Soroush Nasiriany and Lance Zhang and Zhiyao Bao and Yuke Zhu},
    booktitle = {Robotics: Science and Systems (RSS)},
    year = {2023}
}