austin_sirius_dataset_converted_externally_to_rlds

  • תיאור :

משימות מניפולציה על שולחן פרנקה

לְפַצֵל דוגמאות
'train' 559
  • מבנה תכונה :
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.),
    }),
})
  • תיעוד תכונה :
תכונה מַחלָקָה צוּרָה Dtype תֵאוּר
FeaturesDict
episode_metadata FeaturesDict
episode_metadata/file_path טֶקסט חוּט נתיב לקובץ הנתונים המקורי.
צעדים מערך נתונים
צעדים/פעולה מוֹתֵחַ (7,) לצוף32 פעולת רובוט, מורכבת מ-3x ee פוזיציית יחסי, 3x ee סיבוב יחסי, 1x פעולת תפסן].
steps/action_mode מוֹתֵחַ (1,) לצוף32 סוג של אינטראקציה. -1: הדגמה אנושית ראשונית. 1: התערבות. 0: ביצוע רובוט אוטונומי (כולל שיעור טרום התערבות)
צעדים/הנחה סקלר לצוף32 הנחה אם ניתנת, ברירת המחדל היא 1.
steps/intv_label מוֹתֵחַ (1,) לצוף32 זהה ל-action_modes, מלבד 15 שלבי זמן שקדמו להתערבות מסומנים כ-10.
צעדים/הוא_ראשון מוֹתֵחַ bool
צעדים/הוא_אחרון מוֹתֵחַ bool
steps/is_terminal מוֹתֵחַ bool
שלבים/הטבעת_שפה מוֹתֵחַ (512,) לצוף32 הטבעת שפת Kona. ראה https://tfhub.dev/google/universal-sentence-encoder-large/5
שלבים/הוראת_שפה טֶקסט חוּט הוראת שפה.
צעדים/תצפית FeaturesDict
צעדים/תצפית/תמונה תְמוּנָה (84, 84, 3) uint8 תצפית RGB של מצלמה ראשית.
צעדים/תצפית/מצב מוֹתֵחַ (8,) לצוף32 מצב רובוט ברירת מחדל, מורכב מ[7x מצב רובוט משותף, 1x מצב תפסן].
צעדים/תצפית/מצב_אי מוֹתֵחַ (16,) לצוף32 מצב אפקטור קצה, מיוצג כמטריצת טרנספורמציה הומוגנית בגודל 4x4 של תנוחת ה-EE.
צעדים/תצפית/תופס_מצב מוֹתֵחַ (1,) לצוף32 רוחב פתח לוחן רובוט. נע בין ~0 (סגור) ל~0.077 (פתוח)
צעדים/תצפית/משותף_מצב מוֹתֵחַ (7,) לצוף32 מידע משותף של רובוט 7-D.
צעדים/תצפית/תמונת_שורש כף היד תְמוּנָה (84, 84, 3) uint8 תצפית RGB מצלמת שורש כף היד.
צעדים/פרס סקלר לצוף32 תגמול אם מסופק, 1 בשלב האחרון להדגמות.
  • ציטוט :
@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}
}