columbia_cairlab_pusht_real

• Descrizione :

UR5 compiti di spinta planare

• Home page : https://github.com/columbia-ai-robotics/diffusion_policy

• Codice sorgente : tfds.robotics.rtx.ColumbiaCairlabPushtReal

• Versioni :

  • 0.1.0 (predefinito): versione iniziale.

• Dimensioni del download : Unknown size

• Dimensione del set di dati : 2.80 GiB

• Memorizzazione nella cache automatica ( documentazione ): No

• Divide :

Diviso	Esempi
'test'	14
'train'	122

• Struttura delle caratteristiche :

FeaturesDict({
    'steps': Dataset({
        'action': FeaturesDict({
            'gripper_closedness_action': float32,
            'rotation_delta': Tensor(shape=(3,), dtype=float32, description=Delta change in roll, pitch, yaw.),
            'terminate_episode': float32,
            'world_vector': Tensor(shape=(3,), dtype=float32, description=Delta change in XYZ.),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'image': Image(shape=(240, 320, 3), dtype=uint8),
            'natural_language_embedding': Tensor(shape=(512,), dtype=float32),
            'natural_language_instruction': string,
            'robot_state': Tensor(shape=(2,), dtype=float32, description=Robot end effector XY state),
            'wrist_image': Image(shape=(240, 320, 3), dtype=uint8),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})

• Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D	Descrizione
	CaratteristicheDict
passi	Set di dati
passi/azione	CaratteristicheDict
passi/azione/gripper_closedness_action	Tensore		float32	1 se pinza chiusa, -1 se pinza aperta, 0 se nessuna modifica.
passi/azione/rotazione_delta	Tensore	(3,)	float32	Variazione delta di rollio, beccheggio e imbardata.
passaggi/azione/termina_episodio	Tensore		float32
passi/azione/vettore_mondo	Tensore	(3,)	float32	Variazione delta in XYZ.
passi/è_primo	Tensore		bool
passi/è_ultimo	Tensore		bool
passi/è_terminale	Tensore		bool
passi/osservazione	CaratteristicheDict
passi/osservazione/immagine	Immagine	(240, 320, 3)	uint8
passaggi/osservazione/incorporamento_linguaggio_naturale	Tensore	(512,)	float32
passi/osservazione/istruzione_linguaggio_naturale	Tensore		corda
passi/osservazione/stato_robot	Tensore	(2,)	float32	Stato XY dell'effettore finale del robot
passi/osservazione/immagine_polso	Immagine	(240, 320, 3)	uint8
passi/ricompensa	Scalare		float32

• Chiavi supervisionate (vedi il documento as_supervised ): None

• Figura ( tfds.show_examples ): non supportato.

• Esempi ( tfds.as_dataframe ):

• Citazione :

@inproceedings{chi2023diffusionpolicy,
    title={Diffusion Policy: Visuomotor Policy Learning via Action Diffusion},
    author={Chi, Cheng and Feng, Siyuan and Du, Yilun and Xu, Zhenjia and Cousineau, Eric and Burchfiel, Benjamin and Song, Shuran},
    booktitle={Proceedings of Robotics: Science and Systems (RSS)},
    year={2023}
}