robomimic_ph

  • Описание :

Наборы данных Proficient Human были собраны 1 опытным оператором с использованием платформы RoboTurk (за исключением транспорта, где вместе работали 2 опытных оператора). Каждый набор данных состоит из 200 успешных траекторий.

У каждой задачи есть две версии: одна с низкоразмерными наблюдениями ( low_dim ) и одна с изображениями ( image ).

Наборы данных соответствуют формату RLDS для представления шагов и эпизодов.

Расколоть Примеры
'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_low_dim (конфигурация по умолчанию)

  • Размер загрузки : 17.69 MiB

  • Размер набора данных : 8.50 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(10,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(32,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/объект Тензор (10,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (32,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/lift_image

  • Размер загрузки : 798.43 MiB

  • Размер набора данных : 114.47 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'object': Tensor(shape=(10,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(32,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/agentview_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/объект Тензор (10,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_eye_in_hand_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (32,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/can_low_dim

  • Размер загрузки : 43.38 MiB

  • Размер набора данных : 27.73 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(71,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/объект Тензор (14,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (71,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/can_image

  • Размер загрузки : 1.87 GiB

  • Размер набора данных : 474.55 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(71,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/agentview_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/объект Тензор (14,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_eye_in_hand_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (71,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/square_low_dim

  • Размер загрузки : 47.69 MiB

  • Размер набора данных : 29.91 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(45,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/объект Тензор (14,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (45,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/square_image

  • Размер загрузки : 2.42 GiB

  • Размер набора данных : 401.28 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'object': Tensor(shape=(14,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(45,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/agentview_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/объект Тензор (14,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_eye_in_hand_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (45,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/transport_low_dim

  • Размер загрузки : 294.70 MiB

  • Размер набора данных : 208.05 MiB .

  • Автокэширование ( документация ): только когда shuffle_files=False (поезд)

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(115,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (14,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/объект Тензор (41,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/наблюдение/robot1_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot1_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot1_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot1_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot1_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot1_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot1_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot1_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot1_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot1_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (115,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/transport_image

  • Размер загрузки : 15.07 GiB

  • Размер набора данных : 3.64 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Структура функции :

FeaturesDict({
    '20_percent': tf.bool,
    '20_percent_train': tf.bool,
    '20_percent_valid': tf.bool,
    '50_percent': tf.bool,
    '50_percent_train': tf.bool,
    '50_percent_valid': tf.bool,
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(14,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(41,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot1_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot1_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'robot1_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot1_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot1_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'shouldercamera0_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
            'shouldercamera1_image': Image(shape=(84, 84, 3), dtype=tf.uint8),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(115,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
20_процентов Тензор tf.bool
20_percent_train Тензор tf.bool
20_percent_valid Тензор tf.bool
50_процентов Тензор tf.bool
50_percent_train Тензор tf.bool
50_percent_valid Тензор tf.bool
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (14,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/объект Тензор (41,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_eye_in_hand_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/наблюдение/robot1_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot1_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot1_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot1_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot1_eye_in_hand_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/robot1_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot1_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot1_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot1_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot1_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot1_joint_vel Тензор (7,) tf.float64
шаги/наблюдение/плечоcamera0_image Изображение (84, 84, 3) tf.uint8
шаги/наблюдение/плечоcamera1_image Изображение (84, 84, 3) tf.uint8
шаги/награда Тензор tf.float64
шаги/состояния Тензор (115,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/tool_hang_low_dim

  • Размер загрузки : 192.29 MiB

  • Размер набора данных : 121.77 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Структура функции :

FeaturesDict({
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(44,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(58,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/объект Тензор (44,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/награда Тензор tf.float64
шаги/состояния Тензор (58,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool

robomimic_ph/tool_hang_image

  • Размер загрузки : 61.96 GiB

  • Размер набора данных : 9.10 GiB

  • Автоматическое кэширование ( документация ): Нет

  • Структура функции :

FeaturesDict({
    'episode_id': tf.string,
    'horizon': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=tf.float64),
        'discount': tf.int32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(44,), dtype=tf.float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=tf.float64),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=tf.float64),
            'robot0_eye_in_hand_image': Image(shape=(240, 240, 3), dtype=tf.uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=tf.float64),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=tf.float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=tf.float64),
            'sideview_image': Image(shape=(240, 240, 3), dtype=tf.uint8),
        }),
        'reward': tf.float64,
        'states': Tensor(shape=(58,), dtype=tf.float64),
    }),
    'train': tf.bool,
    'valid': tf.bool,
})
  • Документация по функциям :
Характерная черта Сорт Форма Dтип Описание
ОсобенностиDict
id_эпизода Тензор tf.string
горизонт Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (7,) tf.float64
шаги/скидка Тензор tf.int32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение ОсобенностиDict
шаги/наблюдение/объект Тензор (44,) tf.float64
шаги/наблюдение/robot0_eef_pos Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_quat Тензор (4,) tf.float64
шаги/наблюдение/robot0_eef_vel_ang Тензор (3,) tf.float64
шаги/наблюдение/robot0_eef_vel_lin Тензор (3,) tf.float64
шаги/наблюдение/robot0_eye_in_hand_image Изображение (240, 240, 3) tf.uint8
шаги/наблюдение/robot0_gripper_qpos Тензор (2,) tf.float64
шаги/наблюдение/robot0_gripper_qvel Тензор (2,) tf.float64
шаги/наблюдение/robot0_joint_pos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_cos Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_pos_sin Тензор (7,) tf.float64
шаги/наблюдение/robot0_joint_vel Тензор (7,) tf.float64
шаги/наблюдение/sideview_image Изображение (240, 240, 3) tf.uint8
шаги/награда Тензор tf.float64
шаги/состояния Тензор (58,) tf.float64
тренироваться Тензор tf.bool
действительный Тензор tf.bool