robomimic_mg

  • توضیحات :

مجموعه داده‌های تولید شده توسط ماشین Robomimic با استفاده از یک عامل Soft Actor Critic که با یک پاداش متراکم آموزش دیده بود، جمع‌آوری شد. هر مجموعه داده از بافر پخش مجدد عامل تشکیل شده است.

هر کار دو نسخه دارد: یکی با مشاهدات با ابعاد کم ( low_dim )، و دیگری با تصاویر ( image ).

مجموعه داده ها از فرمت RLDS پیروی می کنند تا مراحل و قسمت ها را نشان دهند.

@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 (پیکربندی پیش‌فرض)

  • حجم دانلود : 18.04 GiB

  • حجم مجموعه داده : 2.73 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1500
  • ساختار ویژگی :
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, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            '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, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(32,), dtype=float64),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D توضیحات
FeaturesDict
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float64
مراحل/تخفیف تانسور int32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده FeaturesDict
Steps/observation/agentview_image تصویر (84، 84، 3) uint8
مراحل / مشاهده / شی تانسور (10،) float64
Steps/observation/robot0_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot0_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot0_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
Steps/observation/robot0_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot0_eye_in_hand_image تصویر (84، 84، 3) uint8
steps/observation/robot0_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot0_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot0_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot0_joint_pos_cos تانسور (7،) float64
Steps/observation/robot0_joint_pos_sin تانسور (7،) float64
Steps/observation/robot0_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (32،) float64

robomimic_mg/lift_mg_low_dim

  • حجم دانلود : 302.25 MiB

  • حجم مجموعه داده : 195.10 MiB

  • ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 1500
  • ساختار ویژگی :
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, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            '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, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(32,), dtype=float64),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D توضیحات
FeaturesDict
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float64
مراحل/تخفیف تانسور int32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده FeaturesDict
مراحل / مشاهده / شی تانسور (10،) float64
Steps/observation/robot0_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot0_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot0_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
Steps/observation/robot0_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot0_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot0_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot0_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot0_joint_pos_cos تانسور (7،) float64
Steps/observation/robot0_joint_pos_sin تانسور (7،) float64
Steps/observation/robot0_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (32،) float64

robomimic_mg/can_mg_image

  • حجم دانلود : 47.14 GiB

  • حجم مجموعه داده : 11.15 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 3900
  • ساختار ویژگی :
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, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            '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, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(71,), dtype=float64),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D توضیحات
FeaturesDict
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float64
مراحل/تخفیف تانسور int32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده FeaturesDict
Steps/observation/agentview_image تصویر (84، 84، 3) uint8
مراحل / مشاهده / شی تانسور (14،) float64
Steps/observation/robot0_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot0_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot0_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
Steps/observation/robot0_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot0_eye_in_hand_image تصویر (84، 84، 3) uint8
steps/observation/robot0_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot0_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot0_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot0_joint_pos_cos تانسور (7،) float64
Steps/observation/robot0_joint_pos_sin تانسور (7،) float64
Steps/observation/robot0_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (71،) float64

robomimic_mg/can_mg_low_dim

  • حجم دانلود : 1.01 GiB

  • حجم مجموعه داده : 697.71 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

تقسیم کنید نمونه ها
'train' 3900
  • ساختار ویژگی :
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, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            '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, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(71,), dtype=float64),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D توضیحات
FeaturesDict
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float64
مراحل/تخفیف تانسور int32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده FeaturesDict
مراحل / مشاهده / شی تانسور (14،) float64
Steps/observation/robot0_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot0_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot0_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
Steps/observation/robot0_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot0_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot0_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot0_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot0_joint_pos_cos تانسور (7،) float64
Steps/observation/robot0_joint_pos_sin تانسور (7،) float64
Steps/observation/robot0_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (71،) float64