robomimic_mg

• Deskripsi :

Kumpulan data yang dihasilkan mesin Robomimic dikumpulkan menggunakan agen Kritikus Aktor Lembut yang dilatih dengan imbalan padat. Setiap dataset terdiri dari buffer replay agen.

Setiap tugas memiliki dua versi: satu dengan pengamatan dimensi rendah ( low_dim ), dan satu lagi dengan gambar ( image ).

Kumpulan data mengikuti format RLDS untuk mewakili langkah dan episode.

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

• Kode sumber : tfds.datasets.robomimic_mg.Builder

• Versi :

  • 1.0.0 (default): Rilis awal.

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Contoh ( tfds.as_dataframe ): Tidak ada.

• Kutipan :

@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 (konfigurasi default)

• Ukuran unduhan : 18.04 GiB

• Ukuran dataset : 2.73 GiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'train'	1.500

• Struktur fitur :

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),
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
episode_id	Tensor		rangkaian
cakrawala	Tensor		int32
Langkah	Himpunan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/agentview_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/objek	Tensor	(10,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/pengamatan/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut end-effector
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	kecepatan kartesius akhir-efektor
langkah/pengamatan/robot0_eye_in_hand_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	7DOF posisi bersama
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	kecepatan sambungan 7DOF
langkah/hadiah	Tensor		float64
langkah/keadaan	Tensor	(32,)	float64

robomimic_mg/lift_mg_low_dim

• Ukuran unduhan : 302.25 MiB

• Ukuran dataset : 195.10 MiB

• Auto-cached ( dokumentasi ): Hanya ketika shuffle_files=False (train)

• Perpecahan :

Membelah	Contoh
'train'	1.500

• Struktur fitur :

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),
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
episode_id	Tensor		rangkaian
cakrawala	Tensor		int32
Langkah	Himpunan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/objek	Tensor	(10,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/pengamatan/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut end-effector
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	kecepatan kartesius akhir-efektor
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	7DOF posisi bersama
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	kecepatan sambungan 7DOF
langkah/hadiah	Tensor		float64
langkah/keadaan	Tensor	(32,)	float64

robomimic_mg/can_mg_image

• Ukuran unduhan : 47.14 GiB

• Ukuran dataset : 11.15 GiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'train'	3.900

• Struktur fitur :

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),
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
episode_id	Tensor		rangkaian
cakrawala	Tensor		int32
Langkah	Himpunan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/agentview_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/objek	Tensor	(14,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/pengamatan/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut end-effector
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	kecepatan kartesius akhir-efektor
langkah/pengamatan/robot0_eye_in_hand_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	7DOF posisi bersama
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	kecepatan sambungan 7DOF
langkah/hadiah	Tensor		float64
langkah/keadaan	Tensor	(71,)	float64

robomimic_mg/can_mg_low_dim

• Ukuran unduhan : 1.01 GiB

• Ukuran dataset : 697.71 MiB

• Di-cache otomatis ( dokumentasi ): Tidak

• Perpecahan :

Membelah	Contoh
'train'	3.900

• Struktur fitur :

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),
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
episode_id	Tensor		rangkaian
cakrawala	Tensor		int32
Langkah	Himpunan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/objek	Tensor	(14,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/pengamatan/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut end-effector
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	kecepatan kartesius akhir-efektor
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	7DOF posisi bersama
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	kecepatan sambungan 7DOF
langkah/hadiah	Tensor		float64
langkah/keadaan	Tensor	(71,)	float64