robomimic_mg

• Descrição :

Os conjuntos de dados gerados pela máquina Robomimic foram coletados usando um agente Soft Actor Critic treinado com uma recompensa densa. Cada conjunto de dados consiste no buffer de reprodução do agente.

Cada tarefa tem duas versões: uma com observações de baixa dimensão ( low_dim ) e outra com imagens ( image ).

Os conjuntos de dados seguem o formato RLDS para representar etapas e episódios.

• Página inicial : https://arise-initiative.github.io/robomimic-web/

• Código-fonte : tfds.datasets.robomimic_mg.Builder

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Chaves supervisionadas (Consulte as_supervised doc ): None

• Figura ( tfds.show_examples ): Não compatível.

• Exemplos ( tfds.as_dataframe ): Ausente.

• Citação :

@inproceedings{robomimic2021,
  title={What Matters in Learning from Offline Human Demonstrations for Robot Manipulation},
  author={Ajay Mandlekar and Danfei Xu and Josiah Wong and Soroush Nasiriany
          and Chen Wang and Rohun Kulkarni and Li Fei-Fei and Silvio Savarese
          and Yuke Zhu and Roberto Mart\'{i}n-Mart\'{i}n},
  booktitle={Conference on Robot Learning},
  year={2021}
}

robomimic_mg/lift_mg_image (configuração padrão)

• Tamanho do download : 18.04 GiB

• Tamanho do conjunto de dados : 2.73 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'train'	1.500

• Estrutura de recursos :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=uint8),
            'object': Tensor(shape=(10,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
        }),
        'reward': float64,
        'states': Tensor(shape=(32,), dtype=float64),
    }),
})

• Documentação do recurso :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
episódio_id	tensor		corda
horizonte	tensor		int32
passos	conjunto de dados
passos/ação	tensor	(7,)	float64
passos/desconto	tensor		int32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/agentview_image	Imagem	(84, 84, 3)	uint8
passos/observação/objeto	tensor	(10,)	float64
passos/observação/robot0_eef_pos	tensor	(3,)	float64	Posição do efetuador final
passos/observação/robot0_eef_quat	tensor	(4,)	float64	Orientação do efetuador final
passos/observação/robot0_eef_vel_ang	tensor	(3,)	float64	Velocidade angular do efetor final
passos/observação/robot0_eef_vel_lin	tensor	(3,)	float64	Velocidade cartesiana do efetor final
passos/observação/robot0_eye_in_hand_image	Imagem	(84, 84, 3)	uint8
passos/observação/robot0_gripper_qpos	tensor	(2,)	float64	Posição da garra
passos/observação/robot0_gripper_qvel	tensor	(2,)	float64	Velocidade da pinça
passos/observação/robot0_joint_pos	tensor	(7,)	float64	7DOF posições conjuntas
passos/observação/robot0_joint_pos_cos	tensor	(7,)	float64
passos/observação/robot0_joint_pos_sin	tensor	(7,)	float64
passos/observação/robot0_joint_vel	tensor	(7,)	float64	7DOF velocidades conjuntas
passos/recompensa	tensor		float64
passos/estados	tensor	(32,)	float64

robomimic_mg/lift_mg_low_dim

• Tamanho do download : 302.25 MiB

• Tamanho do conjunto de dados : 195.10 MiB

• Armazenado em cache automaticamente ( documentação ): Somente quando shuffle_files=False (train)

• Divisões :

Dividir	Exemplos
'train'	1.500

• Estrutura de recursos :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(10,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
        }),
        'reward': float64,
        'states': Tensor(shape=(32,), dtype=float64),
    }),
})

• Documentação do recurso :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
episódio_id	tensor		corda
horizonte	tensor		int32
passos	conjunto de dados
passos/ação	tensor	(7,)	float64
passos/desconto	tensor		int32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/objeto	tensor	(10,)	float64
passos/observação/robot0_eef_pos	tensor	(3,)	float64	Posição do efetuador final
passos/observação/robot0_eef_quat	tensor	(4,)	float64	Orientação do efetuador final
passos/observação/robot0_eef_vel_ang	tensor	(3,)	float64	Velocidade angular do efetor final
passos/observação/robot0_eef_vel_lin	tensor	(3,)	float64	Velocidade cartesiana do efetor final
passos/observação/robot0_gripper_qpos	tensor	(2,)	float64	Posição da garra
passos/observação/robot0_gripper_qvel	tensor	(2,)	float64	Velocidade da pinça
passos/observação/robot0_joint_pos	tensor	(7,)	float64	7DOF posições conjuntas
passos/observação/robot0_joint_pos_cos	tensor	(7,)	float64
passos/observação/robot0_joint_pos_sin	tensor	(7,)	float64
passos/observação/robot0_joint_vel	tensor	(7,)	float64	7DOF velocidades conjuntas
passos/recompensa	tensor		float64
passos/estados	tensor	(32,)	float64

robomimic_mg/can_mg_image

• Tamanho do download : 47.14 GiB

• Tamanho do conjunto de dados : 11.15 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'train'	3.900

• Estrutura de recursos :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=uint8),
            'object': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
        }),
        'reward': float64,
        'states': Tensor(shape=(71,), dtype=float64),
    }),
})

• Documentação do recurso :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
episódio_id	tensor		corda
horizonte	tensor		int32
passos	conjunto de dados
passos/ação	tensor	(7,)	float64
passos/desconto	tensor		int32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/agentview_image	Imagem	(84, 84, 3)	uint8
passos/observação/objeto	tensor	(14,)	float64
passos/observação/robot0_eef_pos	tensor	(3,)	float64	Posição do efetuador final
passos/observação/robot0_eef_quat	tensor	(4,)	float64	Orientação do efetuador final
passos/observação/robot0_eef_vel_ang	tensor	(3,)	float64	Velocidade angular do efetor final
passos/observação/robot0_eef_vel_lin	tensor	(3,)	float64	Velocidade cartesiana do efetor final
passos/observação/robot0_eye_in_hand_image	Imagem	(84, 84, 3)	uint8
passos/observação/robot0_gripper_qpos	tensor	(2,)	float64	Posição da garra
passos/observação/robot0_gripper_qvel	tensor	(2,)	float64	Velocidade da garra
passos/observação/robot0_joint_pos	tensor	(7,)	float64	7DOF posições conjuntas
passos/observação/robot0_joint_pos_cos	tensor	(7,)	float64
passos/observação/robot0_joint_pos_sin	tensor	(7,)	float64
passos/observação/robot0_joint_vel	tensor	(7,)	float64	7DOF velocidades conjuntas
passos/recompensa	tensor		float64
passos/estados	tensor	(71,)	float64

robomimic_mg/can_mg_low_dim

• Tamanho do download : 1.01 GiB

• Tamanho do conjunto de dados : 697.71 MiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'train'	3.900

• Estrutura de recursos :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64),
        }),
        'reward': float64,
        'states': Tensor(shape=(71,), dtype=float64),
    }),
})

• Documentação do recurso :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
episódio_id	tensor		corda
horizonte	tensor		int32
passos	conjunto de dados
passos/ação	tensor	(7,)	float64
passos/desconto	tensor		int32
passos/é_primeiro	tensor		bool
passos/é_último	tensor		bool
passos/is_terminal	tensor		bool
passos/observação	RecursosDict
passos/observação/objeto	tensor	(14,)	float64
passos/observação/robot0_eef_pos	tensor	(3,)	float64	Posição do efetuador final
passos/observação/robot0_eef_quat	tensor	(4,)	float64	Orientação do efetuador final
passos/observação/robot0_eef_vel_ang	tensor	(3,)	float64	Velocidade angular do efetor final
passos/observação/robot0_eef_vel_lin	tensor	(3,)	float64	Velocidade cartesiana do efetor final
passos/observação/robot0_gripper_qpos	tensor	(2,)	float64	Posição da garra
passos/observação/robot0_gripper_qvel	tensor	(2,)	float64	Velocidade da pinça
passos/observação/robot0_joint_pos	tensor	(7,)	float64	7DOF posições conjuntas
passos/observação/robot0_joint_pos_cos	tensor	(7,)	float64
passos/observação/robot0_joint_pos_sin	tensor	(7,)	float64
passos/observação/robot0_joint_vel	tensor	(7,)	float64	7DOF velocidades conjuntas
passos/recompensa	tensor		float64
passos/estados	tensor	(71,)	float64