robomimic_ph

  • توضیحات :

مجموعه داده های انسانی ماهر Robomimic توسط 1 اپراتور ماهر با استفاده از پلت فرم RoboTurk جمع آوری شد (به استثنای Transport که دارای 2 اپراتور ماهر با هم کار می کردند). هر مجموعه داده شامل 200 مسیر موفقیت آمیز 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.

شکاف مثال ها
'train' 200
@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_ph/lift_ph_image (پیکربندی پیش‌فرض)

  • حجم دانلود : 798.43 MiB

  • حجم مجموعه داده : 114.47 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/lift_ph_low_dim

  • حجم دانلود : 17.69 MiB

  • حجم مجموعه داده : 8.50 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/can_ph_image

  • حجم دانلود : 1.87 GiB

  • حجم مجموعه داده : 474.55 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/can_ph_low_dim

  • حجم دانلود : 43.38 MiB

  • حجم مجموعه داده : 27.73 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/square_ph_image

  • حجم دانلود : 2.42 GiB

  • حجم مجموعه داده : 401.28 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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=(45,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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 (45،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/square_ph_low_dim

  • حجم دانلود : 47.69 MiB

  • حجم مجموعه داده : 29.91 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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=(45,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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 (45،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/transport_ph_image

  • حجم دانلود : 15.07 GiB

  • حجم مجموعه داده : 3.64 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), 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),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot1_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=float64),
            'shouldercamera0_image': Image(shape=(84, 84, 3), dtype=uint8),
            'shouldercamera1_image': Image(shape=(84, 84, 3), dtype=uint8),
        }),
        'reward': float64,
        'states': Tensor(shape=(115,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (14،) 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 (41،) 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
Steps/observation/robot1_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot1_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot1_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
steps/observation/robot1_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot1_eye_in_hand_image تصویر (84، 84، 3) uint8
steps/observation/robot1_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot1_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot1_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot1_joint_pos_cos تانسور (7،) float64
Steps/observation/robot1_joint_pos_sin تانسور (7،) float64
Steps/observation/robot1_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
steps/observation/shouldercamera0_image تصویر (84، 84، 3) uint8
steps/observation/shouldercamera1_image تصویر (84، 84، 3) uint8
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (115،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/transport_ph_low_dim

  • حجم دانلود : 294.70 MiB

  • حجم مجموعه داده : 208.05 MiB

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

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), 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),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=float64),
        }),
        'reward': float64,
        'states': Tensor(shape=(115,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (14،) 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 (41،) 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
Steps/observation/robot1_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot1_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot1_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
steps/observation/robot1_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot1_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot1_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot1_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot1_joint_pos_cos تانسور (7،) float64
Steps/observation/robot1_joint_pos_sin تانسور (7،) float64
Steps/observation/robot1_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (115،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/tool_hang_ph_image

  • حجم دانلود : 61.96 GiB

  • حجم مجموعه داده : 9.10 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • 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=(44,), 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=(240, 240, 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),
            'sideview_image': Image(shape=(240, 240, 3), dtype=uint8),
        }),
        'reward': float64,
        'states': Tensor(shape=(58,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
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 (44،) 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 (240، 240، 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
steps/observation/sideview_image تصویر (240، 240، 3) uint8
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (58،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/tool_hang_ph_low_dim

  • حجم دانلود : 192.29 MiB

  • حجم مجموعه داده : 121.77 MiB

  • ذخیره خودکار ( اسناد ): بله

  • 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=(44,), 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=(58,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
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 (44،) 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 (58،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول
،

  • توضیحات :

مجموعه داده های انسانی ماهر Robomimic توسط 1 اپراتور ماهر با استفاده از پلت فرم RoboTurk جمع آوری شد (به استثنای Transport که دارای 2 اپراتور ماهر با هم کار می کردند). هر مجموعه داده شامل 200 مسیر موفقیت آمیز 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.

شکاف مثال ها
'train' 200
@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_ph/lift_ph_image (پیکربندی پیش‌فرض)

  • حجم دانلود : 798.43 MiB

  • حجم مجموعه داده : 114.47 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/lift_ph_low_dim

  • حجم دانلود : 17.69 MiB

  • حجم مجموعه داده : 8.50 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/can_ph_image

  • حجم دانلود : 1.87 GiB

  • حجم مجموعه داده : 474.55 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/can_ph_low_dim

  • حجم دانلود : 43.38 MiB

  • حجم مجموعه داده : 27.73 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/square_ph_image

  • حجم دانلود : 2.42 GiB

  • حجم مجموعه داده : 401.28 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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=(45,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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 (45،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/square_ph_low_dim

  • حجم دانلود : 47.69 MiB

  • حجم مجموعه داده : 29.91 MiB

  • ذخیره خودکار ( اسناد ): بله

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    '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=(45,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
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 (45،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/transport_ph_image

  • حجم دانلود : 15.07 GiB

  • حجم مجموعه داده : 3.64 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), 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),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot1_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=float64),
            'shouldercamera0_image': Image(shape=(84, 84, 3), dtype=uint8),
            'shouldercamera1_image': Image(shape=(84, 84, 3), dtype=uint8),
        }),
        'reward': float64,
        'states': Tensor(shape=(115,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (14،) 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 (41،) 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
Steps/observation/robot1_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot1_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot1_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
steps/observation/robot1_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot1_eye_in_hand_image تصویر (84، 84، 3) uint8
steps/observation/robot1_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot1_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot1_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot1_joint_pos_cos تانسور (7،) float64
Steps/observation/robot1_joint_pos_sin تانسور (7،) float64
Steps/observation/robot1_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
steps/observation/shouldercamera0_image تصویر (84، 84، 3) uint8
steps/observation/shouldercamera1_image تصویر (84، 84، 3) uint8
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (115،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/transport_ph_low_dim

  • حجم دانلود : 294.70 MiB

  • حجم مجموعه داده : 208.05 MiB

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

  • ساختار ویژگی :

FeaturesDict({
    '20_percent': bool,
    '20_percent_train': bool,
    '20_percent_valid': bool,
    '50_percent': bool,
    '50_percent_train': bool,
    '50_percent_valid': bool,
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), 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),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=float64),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=float64),
        }),
        'reward': float64,
        'states': Tensor(shape=(115,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
20_درصد تانسور بوول
20_درصد_قطار تانسور بوول
20_درصد_معتبر تانسور بوول
50 درصد تانسور بوول
50_درصد_قطار تانسور بوول
50_درصد_معتبر تانسور بوول
قسمت_id تانسور رشته
افق تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (14،) 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 (41،) 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
Steps/observation/robot1_eef_pos تانسور (3،) float64 موقعیت اثر پایانی
Steps/observation/robot1_eef_quat تانسور (4،) float64 جهت گیری اثر پایانی
Steps/observation/robot1_eef_vel_ang تانسور (3،) float64 سرعت زاویه ای اثر پایانی
steps/observation/robot1_eef_vel_lin تانسور (3،) float64 سرعت دکارتی اثر پایانی
steps/observation/robot1_gripper_qpos تانسور (2،) float64 موقعیت گریپر
steps/observation/robot1_gripper_qvel تانسور (2،) float64 سرعت گریپر
Steps/observation/robot1_joint_pos تانسور (7،) float64 موقعیت های مشترک 7DOF
Steps/observation/robot1_joint_pos_cos تانسور (7،) float64
Steps/observation/robot1_joint_pos_sin تانسور (7،) float64
Steps/observation/robot1_joint_vel تانسور (7،) float64 سرعت های مشترک 7DOF
مراحل/پاداش تانسور float64
مراحل/حالت ها تانسور (115،) float64
قطار - تعلیم دادن تانسور بوول
معتبر تانسور بوول

robomimic_ph/tool_hang_ph_image

  • حجم دانلود : 61.96 GiB

  • حجم مجموعه داده : 9.10 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • 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=(44,), 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=(240, 240, 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),
            'sideview_image': Image(shape=(240, 240, 3), dtype=uint8),
        }),
        'reward': float64,
        'states': Tensor(shape=(58,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
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 Tensor bool
steps/is_terminal Tensor bool
steps/observation FeaturesDict
steps/observation/object Tensor (44,) float64
steps/observation/robot0_eef_pos Tensor (3,) float64 End-effector position
steps/observation/robot0_eef_quat Tensor (4,) float64 End-effector orientation
steps/observation/robot0_eef_vel_ang Tensor (3,) float64 End-effector angular velocity
steps/observation/robot0_eef_vel_lin Tensor (3,) float64 End-effector cartesian velocity
steps/observation/robot0_eye_in_hand_image Image (240, 240, 3) uint8
steps/observation/robot0_gripper_qpos Tensor (2,) float64 Gripper position
steps/observation/robot0_gripper_qvel Tensor (2,) float64 Gripper velocity
steps/observation/robot0_joint_pos Tensor (7,) float64 7DOF joint positions
steps/observation/robot0_joint_pos_cos Tensor (7,) float64
steps/observation/robot0_joint_pos_sin Tensor (7,) float64
steps/observation/robot0_joint_vel Tensor (7,) float64 7DOF joint velocities
steps/observation/sideview_image Image (240, 240, 3) uint8
steps/reward Tensor float64
steps/states Tensor (58,) float64
train Tensor bool
valid Tensor bool

robomimic_ph/tool_hang_ph_low_dim

  • Download size : 192.29 MiB

  • Dataset size : 121.77 MiB

  • Auto-cached ( documentation ): Yes

  • Feature structure :

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=(44,), 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=(58,), dtype=float64),
    }),
    'train': bool,
    'valid': bool,
})
  • Feature documentation :
Feature Class Shape Dtype Description
FeaturesDict
episode_id Tensor string
horizon Tensor int32
steps Dataset
steps/action Tensor (7,) float64
steps/discount Tensor int32
steps/is_first Tensor bool
steps/is_last Tensor bool
steps/is_terminal Tensor bool
steps/observation FeaturesDict
steps/observation/object Tensor (44,) float64
steps/observation/robot0_eef_pos Tensor (3,) float64 End-effector position
steps/observation/robot0_eef_quat Tensor (4,) float64 End-effector orientation
steps/observation/robot0_eef_vel_ang Tensor (3,) float64 End-effector angular velocity
steps/observation/robot0_eef_vel_lin Tensor (3,) float64 End-effector cartesian velocity
steps/observation/robot0_gripper_qpos Tensor (2,) float64 Gripper position
steps/observation/robot0_gripper_qvel Tensor (2,) float64 Gripper velocity
steps/observation/robot0_joint_pos Tensor (7,) float64 7DOF joint positions
steps/observation/robot0_joint_pos_cos Tensor (7,) float64
steps/observation/robot0_joint_pos_sin Tensor (7,) float64
steps/observation/robot0_joint_vel Tensor (7,) float64 7DOF joint velocities
steps/reward Tensor float64
steps/states Tensor (58,) float64
train Tensor bool
valid Tensor bool