fmb

  • شرح :

مجموعه داده ما شامل اشیایی با ظاهر و هندسه متنوع است. برای مونتاژ موفقیت آمیز گیره ها بر روی تخته ثابت در یک صحنه تصادفی، به مهارت های حرکتی ظریف چند مرحله ای و چند وجهی نیاز دارد. ما در مجموع 22550 مسیر را در دو وظیفه مختلف در یک بازوی پاندا فرانکا جمع آوری کردیم. ما مسیرها را از 2 نمای جهانی و 2 نمای مچ ثبت می کنیم. هر نما شامل RGB و نقشه عمق است.

شکاف مثال ها
'train' 1,804
  • ساختار ویژگی :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'episode_language_embedding': Tensor(shape=(512,), dtype=float32),
        'episode_language_instruction': string,
        'episode_task': string,
        'file_path': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), 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': string,
        'observation': FeaturesDict({
            'color_id': Scalar(shape=(), dtype=uint8),
            'eef_force': Tensor(shape=(3,), dtype=float32),
            'eef_pose': Tensor(shape=(7,), dtype=float32),
            'eef_torque': Tensor(shape=(3,), dtype=float32),
            'eef_vel': Tensor(shape=(6,), dtype=float32),
            'image_side_1': Image(shape=(256, 256, 3), dtype=uint8),
            'image_side_1_depth': Tensor(shape=(256, 256), dtype=float32),
            'image_side_2': Image(shape=(256, 256, 3), dtype=uint8),
            'image_side_2_depth': Tensor(shape=(256, 256), dtype=float32),
            'image_wrist_1': Image(shape=(256, 256, 3), dtype=uint8),
            'image_wrist_1_depth': Tensor(shape=(256, 256), dtype=float32),
            'image_wrist_2': Image(shape=(256, 256, 3), dtype=uint8),
            'image_wrist_2_depth': Tensor(shape=(256, 256), dtype=float32),
            'joint_pos': Tensor(shape=(7,), dtype=float32),
            'joint_vel': Tensor(shape=(7,), dtype=float32),
            'length': string,
            'object_id': Scalar(shape=(), dtype=uint8),
            'primitive': string,
            'shape_id': Scalar(shape=(), dtype=uint8),
            'size': string,
            'state_gripper_pose': Scalar(shape=(), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
episode_metadata FeaturesDict
episode_metadata/episode_language_embedding تانسور (512،) float32
episode_metadata/episode_language_instruction تانسور رشته
episode_metadata/episode_task تانسور رشته
episode_metadata/file_path تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float32
مراحل/تخفیف اسکالر float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
Steps/language_embedding تانسور (512،) float32
مراحل/زبان_آموزش تانسور رشته
مراحل / مشاهده FeaturesDict
steps/observation/color_id اسکالر uint8
steps/observation/eef_force تانسور (3،) float32
steps/observation/eef_pose تانسور (7،) float32
مراحل/مشاهده/eef_torque تانسور (3،) float32
steps/observation/eef_vel تانسور (6،) float32
steps/observation/image_side_1 تصویر (256، 256، 3) uint8
steps/observation/image_side_1_depth تانسور (256، 256) float32
steps/observation/image_side_2 تصویر (256، 256، 3) uint8
steps/observation/image_side_2_depth تانسور (256، 256) float32
steps/observation/image_wrist_1 تصویر (256، 256، 3) uint8
steps/observation/image_wrist_1_depth تانسور (256، 256) float32
steps/observation/image_wrist_2 تصویر (256، 256، 3) uint8
steps/observation/image_wrist_2_depth تانسور (256، 256) float32
steps/observation/joint_pos تانسور (7،) float32
steps/observation/joint_vel تانسور (7،) float32
مراحل / مشاهده / طول تانسور رشته
steps/observation/object_id اسکالر uint8
مراحل / مشاهده / ابتدایی تانسور رشته
steps/observation/shape_id اسکالر uint8
مراحل / مشاهده / اندازه تانسور رشته
steps/observation/state_gripper_pose اسکالر float32
مراحل/پاداش اسکالر float32
  • نقل قول :
https://doi.org/10.48550/arXiv.2401.08553