Conozca lo último en aprendizaje automático, IA generativa y más en el
Simposio WiML 2023.
berkeley_mvp_convertido_externalmente_a_rlds
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Nota: Este conjunto de datos se agregó recientemente y solo está disponible en nuestro paquete tfds-nightly
nights_stay . xArm realizando 6 tareas de manipulación
Dividir Ejemplos 'train'
480
Estructura de características : FeaturesDict({
'episode_metadata': FeaturesDict({
'file_path': Text(shape=(), dtype=string),
}),
'steps': Dataset({
'action': Tensor(shape=(8,), 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({
'gripper': Scalar(shape=(), dtype=bool),
'hand_image': Image(shape=(480, 640, 3), dtype=uint8),
'joint_pos': Tensor(shape=(7,), dtype=float32),
'pose': Tensor(shape=(7,), dtype=float32),
}),
'reward': Scalar(shape=(), dtype=float32),
}),
})
Documentación de funciones : Característica Clase Forma tipo D Descripción FuncionesDict episodio_metadatos FuncionesDict metadatos_episodio/ruta_archivo Texto cadena Ruta al archivo de datos original. pasos Conjunto de datos pasos/acción Tensor (8,) flotador32 La acción del robot consta de [7 posiciones de articulación delta, 1 estado binario de pinza]. pasos/descuento Escalar flotador32 Descuento si se proporciona, el valor predeterminado es 1. pasos/es_primero Tensor booleano pasos/es_último Tensor booleano pasos/es_terminal Tensor booleano pasos/idioma_incrustación Tensor (512,) flotador32 Incorporación del lenguaje Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5 pasos/instrucción_idioma Texto cadena Instrucción de idiomas. pasos/observación FuncionesDict pasos/observación/pinza Escalar booleano Estado de pinza binaria (1 - cerrado, 0 - abierto) pasos/observación/imagen_mano Imagen (480, 640, 3) uint8 Observación RGB con cámara manual. pasos/observación/joint_pos Tensor (7,) flotador32 Posiciones de las articulaciones xArm (7 DoF). pasos/observación/pose Tensor (7,) flotador32 Postura de la pinza, estructura del robot, [3 posiciones, 4 rotaciones] pasos/recompensa Escalar flotador32 Recompensa si se proporciona, 1 en el paso final para demostraciones.
@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}
}
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons , y los ejemplos de código están sujetos a la licencia Apache 2.0 . Para obtener más información, consulta las políticas del sitio de Google Developers . Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2023-10-08 (UTC)
[null,null,["Última actualización: 2023-10-08 (UTC)"],[],[],null,["# berkeley_mvp_converted_externally_to_rlds\n\n\u003cbr /\u003e\n\n- **Description**:\n\nxArm performing 6 manipulation tasks\n\n- **Homepage** :\n \u003chttps://arxiv.org/abs/2203.06173\u003e\n\n- **Source code** :\n [`tfds.robotics.rtx.BerkeleyMvpConvertedExternallyToRlds`](https://github.com/tensorflow/datasets/tree/master/tensorflow_datasets/robotics/rtx/rtx.py)\n\n- **Versions**:\n\n - **`0.1.0`** (default): Initial release.\n- **Download size** : `Unknown size`\n\n- **Dataset size** : `12.34 GiB`\n\n- **Auto-cached**\n ([documentation](https://www.tensorflow.org/datasets/performances#auto-caching)):\n No\n\n- **Splits**:\n\n| Split | Examples |\n|-----------|----------|\n| `'train'` | 480 |\n\n- **Feature structure**:\n\n FeaturesDict({\n 'episode_metadata': FeaturesDict({\n 'file_path': Text(shape=(), dtype=string),\n }),\n 'steps': Dataset({\n 'action': Tensor(shape=(8,), dtype=float32, description=Robot action, consists of [7 delta joint pos,1x gripper binary state].),\n 'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),\n 'is_first': bool,\n 'is_last': bool,\n 'is_terminal': bool,\n 'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),\n 'language_instruction': Text(shape=(), dtype=string),\n 'observation': FeaturesDict({\n 'gripper': Scalar(shape=(), dtype=bool, description=Binary gripper state (1 - closed, 0 - open)),\n 'hand_image': Image(shape=(480, 640, 3), dtype=uint8, description=Hand camera RGB observation.),\n 'joint_pos': Tensor(shape=(7,), dtype=float32, description=xArm joint positions (7 DoF).),\n 'pose': Tensor(shape=(7,), dtype=float32, description=Gripper pose, robot frame, [3 position, 4 rotation]),\n }),\n 'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),\n }),\n })\n\n- **Feature documentation**:\n\n| Feature | Class | Shape | Dtype | Description |\n|------------------------------|--------------|---------------|---------|--------------------------------------------------------------------------------------------|\n| | FeaturesDict | | | |\n| episode_metadata | FeaturesDict | | | |\n| episode_metadata/file_path | Text | | string | Path to the original data file. |\n| steps | Dataset | | | |\n| steps/action | Tensor | (8,) | float32 | Robot action, consists of \\[7 delta joint pos,1x gripper binary state\\]. |\n| steps/discount | Scalar | | float32 | Discount if provided, default to 1. |\n| steps/is_first | Tensor | | bool | |\n| steps/is_last | Tensor | | bool | |\n| steps/is_terminal | Tensor | | bool | |\n| steps/language_embedding | Tensor | (512,) | float32 | Kona language embedding. See \u003chttps://tfhub.dev/google/universal-sentence-encoder-large/5\u003e |\n| steps/language_instruction | Text | | string | Language Instruction. |\n| steps/observation | FeaturesDict | | | |\n| steps/observation/gripper | Scalar | | bool | Binary gripper state (1 - closed, 0 - open) |\n| steps/observation/hand_image | Image | (480, 640, 3) | uint8 | Hand camera RGB observation. |\n| steps/observation/joint_pos | Tensor | (7,) | float32 | xArm joint positions (7 DoF). |\n| steps/observation/pose | Tensor | (7,) | float32 | Gripper pose, robot frame, \\[3 position, 4 rotation\\] |\n| steps/reward | Scalar | | float32 | Reward if provided, 1 on final step for demos. |\n\n- **Supervised keys** (See\n [`as_supervised` doc](https://www.tensorflow.org/datasets/api_docs/python/tfds/load#args)):\n `None`\n\n- **Figure**\n ([tfds.show_examples](https://www.tensorflow.org/datasets/api_docs/python/tfds/visualization/show_examples)):\n Not supported.\n\n- **Examples**\n ([tfds.as_dataframe](https://www.tensorflow.org/datasets/api_docs/python/tfds/as_dataframe)):\n\nDisplay examples... \n\n- **Citation**:\n\n @InProceedings{Radosavovic2022,\n title = {Real-World Robot Learning with Masked Visual Pre-training},\n author = {Ilija Radosavovic and Tete Xiao and Stephen James and Pieter Abbeel and Jitendra Malik and Trevor Darrell},\n booktitle = {CoRL},\n year = {2022}\n }"]]