eth_agent_affordances

  • Keterangan :

Franka membuka oven -- point cloud + proprio saja

Membelah Contoh
'train' 118
  • Struktur fitur :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
        'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16),
    }),
    '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({
            'image': Image(shape=(64, 64, 3), dtype=uint8),
            'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16),
            'state': Tensor(shape=(8,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Dokumentasi fitur :
Fitur Kelas Membentuk Tipe D Keterangan
FiturDict
episode_metadata FiturDict
episode_metadata/file_path Teks rangkaian Jalur ke file data asli.
episode_metadata/input_point_cloud Tensor (10.000, 3) mengapung16 Titik awan (hanya geometri) objek di awal episode (bingkai dunia) sebagai larik numpy (10000,3).
Langkah Himpunan data
langkah/tindakan Tensor (6,) float32 Aksi robot, terdiri dari [kecepatan efektor akhir (v_x,v_y,v_z,omega_x,omega_y,omega_z) dalam bingkai dunia
langkah/diskon Skalar float32 Diskon jika disediakan, defaultnya adalah 1.
langkah/adalah_pertama Tensor bodoh
langkah/adalah_terakhir Tensor bodoh
langkah/is_terminal Tensor bodoh
langkah/bahasa_embedding Tensor (512,) float32 Penyematan bahasa Kona. Lihat https://tfhub.dev/google/universal-sentence-encoder-large/5
langkah/bahasa_instruksi Teks rangkaian Instruksi Bahasa.
langkah/pengamatan FiturDict
langkah/pengamatan/gambar Gambar (64, 64, 3) uint8 Pengamatan RGB kamera utama. Tidak tersedia untuk kumpulan data ini, akan disetel ke np.zeros.
langkah/pengamatan/input_point_cloud Tensor (10.000, 3) mengapung16 Titik awan (hanya geometri) objek di awal episode (bingkai dunia) sebagai larik numpy (10000,3).
langkah/pengamatan/keadaan Tensor (8,) float32 State, terdiri dari [pose end-effector (x,y,z,yaw,pitch,roll) dalam world frame, 1x gripper buka/tutup, 1x sudut bukaan pintu].
langkah/hadiah Skalar float32 Hadiah jika diberikan, 1 pada langkah terakhir untuk demo.
  • Kutipan :
@inproceedings{schiavi2023learning,
  title={Learning agent-aware affordances for closed-loop interaction with articulated objects},
  author={Schiavi, Giulio and Wulkop, Paula and Rizzi, Giuseppe and Ott, Lionel and Siegwart, Roland and Chung, Jen Jen},
  booktitle={2023 IEEE International Conference on Robotics and Automation (ICRA)},
  pages={5916--5922},
  year={2023},
  organization={IEEE}
}