রোবোমিমিক_এমজি

• বর্ণনা :

রোবোমিমিক মেশিন তৈরি করা ডেটাসেটগুলি একটি সফট অ্যাক্টর ক্রিটিক এজেন্ট ব্যবহার করে সংগ্রহ করা হয়েছিল যা একটি ঘন পুরষ্কার দিয়ে প্রশিক্ষিত হয়েছিল। প্রতিটি ডেটাসেটে এজেন্টের রিপ্লে বাফার থাকে।

প্রতিটি টাস্কের দুটি সংস্করণ রয়েছে: একটি নিম্ন মাত্রিক পর্যবেক্ষণ সহ ( low_dim ), এবং একটি চিত্র সহ ( image )।

ডেটাসেটগুলি ধাপ এবং পর্বগুলি উপস্থাপন করতে RLDS বিন্যাস অনুসরণ করে।

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

• সোর্স কোড : tfds.datasets.robomimic_mg.Builder

• সংস্করণ :

  • 1.0.0 (ডিফল্ট): প্রাথমিক প্রকাশ।

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদাহরণ ( tfds.as_dataframe ): অনুপস্থিত।

• উদ্ধৃতি :

@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 (ডিফল্ট কনফিগারেশন)

• ডাউনলোড সাইজ : 18.04 GiB

• ডেটাসেটের আকার : 2.73 GiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	1,500

• বৈশিষ্ট্য গঠন :

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),
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
episode_id	টেনসর		স্ট্রিং
দিগন্ত	টেনসর		int32
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(৭,)	float64
পদক্ষেপ/ছাড়	টেনসর		int32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/এজেন্টভিউ_ইমেজ	ছবি	(৮৪, ৮৪, ৩)	uint8
পদক্ষেপ/পর্যবেক্ষণ/বস্তু	টেনসর	(10,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_pos	টেনসর	(৩,)	float64	শেষ প্রভাবক অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_quat	টেনসর	(4,)	float64	শেষ-প্রভাবক অভিযোজন
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_ang	টেনসর	(৩,)	float64	শেষ-প্রভাবক কৌণিক বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_lin	টেনসর	(৩,)	float64	শেষ-প্রভাবক কার্টেসিয়ান বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_eye_in_hand_image	ছবি	(৮৪, ৮৪, ৩)	uint8
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qpos	টেনসর	(2,)	float64	গ্রিপার অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qvel	টেনসর	(2,)	float64	গ্রিপার বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos	টেনসর	(৭,)	float64	7DOF যৌথ পদ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_cos	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_sin	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_vel	টেনসর	(৭,)	float64	7DOF যৌথ বেগ
পদক্ষেপ/পুরস্কার	টেনসর		float64
পদক্ষেপ/রাষ্ট্র	টেনসর	(৩২,)	float64

robomimic_mg/lift_mg_low_dim

• ডাউনলোড সাইজ : 302.25 MiB

• ডেটাসেটের আকার : 195.10 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): শুধুমাত্র যখন shuffle_files=False (ট্রেন)

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	1,500

• বৈশিষ্ট্য গঠন :

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),
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
episode_id	টেনসর		স্ট্রিং
দিগন্ত	টেনসর		int32
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(৭,)	float64
পদক্ষেপ/ছাড়	টেনসর		int32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/বস্তু	টেনসর	(10,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_pos	টেনসর	(৩,)	float64	শেষ প্রভাবক অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_quat	টেনসর	(4,)	float64	শেষ-প্রভাবক অভিযোজন
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_ang	টেনসর	(৩,)	float64	শেষ-প্রভাবক কৌণিক বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_lin	টেনসর	(৩,)	float64	শেষ-প্রভাবক কার্টেসিয়ান বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qpos	টেনসর	(2,)	float64	গ্রিপার অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qvel	টেনসর	(2,)	float64	গ্রিপার বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos	টেনসর	(৭,)	float64	7DOF যৌথ পদ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_cos	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_sin	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_vel	টেনসর	(৭,)	float64	7DOF যৌথ বেগ
পদক্ষেপ/পুরস্কার	টেনসর		float64
পদক্ষেপ/রাষ্ট্র	টেনসর	(৩২,)	float64

robomimic_mg/can_mg_image

• ডাউনলোড সাইজঃ 47.14 GiB

• ডেটাসেটের আকার : 11.15 GiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	৩,৯০০

• বৈশিষ্ট্য গঠন :

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),
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
episode_id	টেনসর		স্ট্রিং
দিগন্ত	টেনসর		int32
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(৭,)	float64
পদক্ষেপ/ছাড়	টেনসর		int32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/এজেন্টভিউ_ইমেজ	ছবি	(৮৪, ৮৪, ৩)	uint8
পদক্ষেপ/পর্যবেক্ষণ/বস্তু	টেনসর	(14,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_pos	টেনসর	(৩,)	float64	শেষ প্রভাবক অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_quat	টেনসর	(4,)	float64	শেষ-প্রভাবক অভিযোজন
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_ang	টেনসর	(৩,)	float64	শেষ-প্রভাবক কৌণিক বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_lin	টেনসর	(৩,)	float64	শেষ-প্রভাবক কার্টেসিয়ান বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_eye_in_hand_image	ছবি	(৮৪, ৮৪, ৩)	uint8
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qpos	টেনসর	(2,)	float64	গ্রিপার অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qvel	টেনসর	(2,)	float64	গ্রিপার বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos	টেনসর	(৭,)	float64	7DOF যৌথ পদ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_cos	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_sin	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_vel	টেনসর	(৭,)	float64	7DOF যৌথ বেগ
পদক্ষেপ/পুরস্কার	টেনসর		float64
পদক্ষেপ/রাষ্ট্র	টেনসর	(71,)	float64

robomimic_mg/can_mg_low_dim

• ডাউনলোড সাইজ : 1.01 GiB

• ডেটাসেটের আকার : 697.71 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	৩,৯০০

• বৈশিষ্ট্য গঠন :

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),
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
episode_id	টেনসর		স্ট্রিং
দিগন্ত	টেনসর		int32
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(৭,)	float64
পদক্ষেপ/ছাড়	টেনসর		int32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	ফিচারসডিক্ট
পদক্ষেপ/পর্যবেক্ষণ/বস্তু	টেনসর	(14,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_pos	টেনসর	(৩,)	float64	শেষ প্রভাবক অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_quat	টেনসর	(4,)	float64	শেষ-প্রভাবক অভিযোজন
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_ang	টেনসর	(৩,)	float64	শেষ-প্রভাবক কৌণিক বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_eef_vel_lin	টেনসর	(৩,)	float64	শেষ-প্রভাবক কার্টেসিয়ান বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qpos	টেনসর	(2,)	float64	গ্রিপার অবস্থান
পদক্ষেপ/পর্যবেক্ষণ/robot0_gripper_qvel	টেনসর	(2,)	float64	গ্রিপার বেগ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos	টেনসর	(৭,)	float64	7DOF যৌথ পদ
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_cos	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_pos_sin	টেনসর	(৭,)	float64
পদক্ষেপ/পর্যবেক্ষণ/robot0_joint_vel	টেনসর	(৭,)	float64	7DOF যৌথ বেগ
পদক্ষেপ/পুরস্কার	টেনসর		float64
পদক্ষেপ/রাষ্ট্র	টেনসর	(71,)	float64