berkeley_fanuc_manipulation

  • Descrizione :

Robot Fanuc che esegue varie attività di manipolazione

Diviso Esempi
'train' 415
  • Struttura delle caratteristiche :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'end_effector_state': Tensor(shape=(7,), dtype=float32),
            'image': Image(shape=(224, 224, 3), dtype=uint8),
            'state': Tensor(shape=(13,), dtype=float32),
            'wrist_image': Image(shape=(224, 224, 3), dtype=uint8),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
metadati_episodio CaratteristicheDict
metadati_episodio/percorso_file Testo corda Percorso del file di dati originale.
passi Set di dati
passi/azione Tensore (6,) float32 Azione del robot, composta da [dx, dy, dz] e [droll, dpitch, dyaw]
passi/sconto Scalare float32 Sconto se fornito, il valore predefinito è 1.
passi/è_primo Tensore bool
passi/è_ultimo Tensore bool
passi/è_terminale Tensore bool
passaggi/incorporamento_lingua Tensore (512,) float32 Incorporamento del linguaggio Kona. Vedi https://tfhub.dev/google/universal-sentence-encoder-large/5
passi/lingua_istruzioni Testo corda Insegnamento della lingua.
passi/osservazione CaratteristicheDict
passi/osservazione/end_effector_state Tensore (7,) float32 Stato dell'effettore finale della pinza del robot, costituito da [x, y, z] e quaternione 4x
passi/osservazione/immagine Immagine (224, 224, 3) uint8 Osservazione RGB della fotocamera principale.
passi/osservazione/stato Tensore (13,) float32 Stato dei giunti del robot, consiste di [6x angoli dei giunti del robot, 1x stato della pinza aperta, 6x velocità dei giunti del robot].
passi/osservazione/immagine_polso Immagine (224, 224, 3) uint8 Osservazione RGB con fotocamera da polso.
passi/ricompensa Scalare float32 Ricompensa se fornita, 1 nel passaggio finale per le demo.
  • Citazione :
@article{fanuc_manipulation2023,
  title={Fanuc Manipulation: A Dataset for Learning-based Manipulation with FANUC Mate 200iD Robot},
  author={Zhu, Xinghao and Tian, Ran and Xu, Chenfeng and Ding, Mingyu and Zhan, Wei and Tomizuka, Masayoshi},
  year={2023},
}