- 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।
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 |
- 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।
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 |