nyu_rot_dataset_converted_externally_to_rlds

  • Descrizione :

Attività da tavolo a breve orizzonte xArm

Diviso Esempi
'train' 14
  • Struttura delle caratteristiche :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=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': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'image': Image(shape=(84, 84, 3), dtype=uint8),
            'state': Tensor(shape=(7,), dtype=float32),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
metadati_episodio CaratteristicheDict
metadati_episodio/percorso_file Testo corda Percorso del file di dati originale.
passi Set di dati
passi/azione Tensore (7,) float32 L'azione del robot consiste in [3 posizioni delta dell'effettore finale del robot, 3 rotazioni dell'effettore finale del robot (rollio, beccheggio, imbardata), 1x apertura/chiusura della pinza (0-aperto, 1-chiuso)].
passi/sconto Scalare float32 Sconto se fornito, il valore predefinito è 1.
passi/è_primo Tensore bool
passi/è_ultimo Tensore bool
passi/è_terminale Tensore bool
passaggi/incorporamento_lingua Tensore (512,) float32 Incorporamento del linguaggio Kona. Vedi https://tfhub.dev/google/universal-sentence-encoder-large/5
passi/lingua_istruzioni Testo corda Insegnamento della lingua.
passi/osservazione CaratteristicheDict
passi/osservazione/immagine Immagine (84, 84, 3) uint8 Osservazione RGB della fotocamera principale.
passi/osservazione/stato Tensore (7,) float32 Stato del robot, consiste di [3 posizioni dell'effettore finale del robot, 3 rotazioni dell'effettore finale del robot (rollio, beccheggio, imbardata), 1x apertura/chiusura della pinza (0-aperto, 1-chiuso)].
passi/ricompensa Scalare float32 Ricompensa se fornita, 1 nel passaggio finale per le demo.
  • Citazione :
@inproceedings{haldar2023watch,
  title={Watch and match: Supercharging imitation with regularized optimal transport},
  author={Haldar, Siddhant and Mathur, Vaibhav and Yarats, Denis and Pinto, Lerrel},
  booktitle={Conference on Robot Learning},
  pages={32--43},
  year={2023},
  organization={PMLR}
}