- توضیحات :
سلام ربات کابینت بازکن، مایکروویو و غیره
صفحه اصلی : https://jyopari.github.io/VINN/
کد منبع :
tfds.robotics.rtx.NyuDoorOpeningSurprisingEffectiveness
نسخه ها :
-
0.1.0
(پیش فرض): انتشار اولیه.
-
اندازه دانلود :
Unknown size
حجم مجموعه داده :
7.12 GiB
ذخیره خودکار ( اسناد ): خیر
تقسیم ها :
تقسیم کنید | نمونه ها |
---|---|
'test' | 49 |
'train' | 435 |
- ساختار ویژگی :
FeaturesDict({
'steps': Dataset({
'action': FeaturesDict({
'gripper_closedness_action': Tensor(shape=(1,), dtype=float32),
'rotation_delta': Tensor(shape=(3,), dtype=float32, description=Angular velocity around x, y and z axis.),
'terminate_episode': float32,
'world_vector': Tensor(shape=(3,), dtype=float32, description=Velocity in XYZ.),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': FeaturesDict({
'image': Image(shape=(720, 960, 3), dtype=uint8),
'natural_language_embedding': Tensor(shape=(512,), dtype=float32),
'natural_language_instruction': string,
}),
'reward': Scalar(shape=(), dtype=float32),
}),
})
- مستندات ویژگی :
ویژگی | کلاس | شکل | نوع D | توضیحات |
---|---|---|---|---|
FeaturesDict | ||||
مراحل | مجموعه داده | |||
مراحل/عمل | FeaturesDict | |||
steps/action/gripper_closedness_action | تانسور | (1،) | float32 | |
Steps/Action/rotation_delta | تانسور | (3،) | float32 | سرعت زاویه ای حول محور x، y و z. |
مراحل/عمل/پایان_اپیزود | تانسور | float32 | ||
Steps/Action/world_vector | تانسور | (3،) | float32 | سرعت در XYZ |
Steps/is_first | تانسور | بوول | ||
Steps/is_last | تانسور | بوول | ||
Steps/is_terminal | تانسور | بوول | ||
مراحل / مشاهده | FeaturesDict | |||
مراحل / مشاهده / تصویر | تصویر | (720، 960، 3) | uint8 | |
steps/observation/natural_language_embedding | تانسور | (512،) | float32 | |
مراحل/مشاهده/آموزش_زبان_طبیعی | تانسور | رشته | ||
مراحل/پاداش | اسکالر | float32 |
کلیدهای نظارت شده (به
as_supervised
doc مراجعه کنید):None
شکل ( tfds.show_examples ): پشتیبانی نمی شود.
مثالها ( tfds.as_dataframe ):
- نقل قول :
@misc{pari2021surprising,
title={The Surprising Effectiveness of Representation Learning for Visual Imitation},
author={Jyothish Pari and Nur Muhammad Shafiullah and Sridhar Pandian Arunachalam and Lerrel Pinto},
year={2021},
eprint={2112.01511},
archivePrefix={arXiv},
primaryClass={cs.RO}
}