berkeley_mvp_converted_externally_to_rlds

• Descrição :

xArm realizando 6 tarefas de manipulação

• Página inicial : https://arxiv.org/abs/2203.06173

• Código fonte : tfds.robotics.rtx.BerkeleyMvpConvertedExternallyToRlds

• Versões :

  • 0.1.0 (padrão): versão inicial.

• Tamanho do download : Unknown size

• Tamanho do conjunto de dados : 12.34 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'train'	480

• Estrutura de recursos :

FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32, description=Robot action, consists of [7 delta joint pos,1x gripper binary state].),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        '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({
            'gripper': Scalar(shape=(), dtype=bool, description=Binary gripper state (1 - closed, 0 - open)),
            'hand_image': Image(shape=(480, 640, 3), dtype=uint8, description=Hand camera RGB observation.),
            'joint_pos': Tensor(shape=(7,), dtype=float32, description=xArm joint positions (7 DoF).),
            'pose': Tensor(shape=(7,), dtype=float32, description=Gripper pose, robot frame, [3 position, 4 rotation]),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})

• Documentação de recursos :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
episódio_metadados	RecursosDict
episódio_metadados/caminho_do_arquivo	Texto		corda	Caminho para o arquivo de dados original.
passos	Conjunto de dados
etapas/ação	Tensor	(8,)	float32	A ação do robô consiste em [7 posições de junta delta, 1x estado binário da pinça].
passos/desconto	Escalar		float32	Desconto, se fornecido, o padrão é 1.
passos/é_primeiro	Tensor		bool
passos/é_último	Tensor		bool
etapas/is_terminal	Tensor		bool
etapas/idioma_incorporação	Tensor	(512,)	float32	Incorporação da linguagem Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5
etapas/instrução_idioma	Texto		corda	Instrução de Idiomas.
etapas/observação	RecursosDict
passos/observação/pinça	Escalar		bool	Estado da garra binária (1 - fechada, 0 - aberta)
passos/observação/imagem_da_mão	Imagem	(480, 640, 3)	uint8	Observação RGB de câmera manual.
etapas/observação/joint_pos	Tensor	(7,)	float32	xPosições articulares do braço (7 DoF).
passos/observação/pose	Tensor	(7,)	float32	Pose da garra, estrutura do robô, [3 posições, 4 rotações]
passos/recompensa	Escalar		float32	Recompensa, se fornecida, 1 na etapa final para demonstrações.

• Chaves supervisionadas (consulte o documento as_supervised ): None

• Figura ( tfds.show_examples ): Não suportado.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@InProceedings{Radosavovic2022,
  title = {Real-World Robot Learning with Masked Visual Pre-training},
  author = {Ilija Radosavovic and Tete Xiao and Stephen James and Pieter Abbeel and Jitendra Malik and Trevor Darrell},
  booktitle = {CoRL},
  year = {2022}
}