robosuite_panda_pick_place_can

• Deskripsi :

Kumpulan data ini telah dibuat dengan lingkungan PickPlaceCan dari simulator lengan robot robosuite . Kumpulan data manusia direkam oleh satu operator menggunakan RLDS Creator dan pengontrol gamepad.

Kumpulan data sintetik telah direkam menggunakan pustaka EnvLogger .

Kumpulan data mengikuti format RLDS untuk mewakili langkah dan episode.

Episode terdiri dari 400 langkah. Di setiap episode, tag ditambahkan saat tugas selesai, tag ini disimpan sebagai bagian dari metadata langkah khusus.

Perhatikan bahwa, karena ketergantungan EnvLogger, pembuatan kumpulan data ini saat ini hanya didukung di lingkungan Linux.

• Kode sumber : tfds.rlds.robosuite_panda_pick_place_can.RobosuitePandaPickPlaceCan

• Versi :

  • 1.0.0 (default): Rilis awal.

• Di-cache otomatis ( dokumentasi ): Tidak

• Kunci yang diawasi (Lihat as_supervised doc ): None

• Gambar ( tfds.show_examples ): Tidak didukung.

• Kutipan :

@misc{ramos2021rlds,
      title={RLDS: an Ecosystem to Generate, Share and Use Datasets in Reinforcement Learning},
      author={Sabela Ramos and Sertan Girgin and Léonard Hussenot and Damien Vincent and Hanna Yakubovich and Daniel Toyama and Anita Gergely and Piotr Stanczyk and Raphael Marinier and Jeremiah Harmsen and Olivier Pietquin and Nikola Momchev},
      year={2021},
      eprint={2111.02767},
      archivePrefix={arXiv},
      primaryClass={cs.LG}
}

robosuite_panda_pick_place_can/human_dc29b40a (konfigurasi default)

• Deskripsi konfigurasi : Kumpulan data yang dihasilkan manusia (50 episode).

• Beranda : https://github.com/google-research/rlds

• Ukuran unduhan : 96.67 MiB

• Ukuran dataset : 407.24 MiB

• Perpecahan :

Membelah	Contoh
'train'	50

• Struktur fitur :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float64),
            'Can_quat': Tensor(shape=(4,), dtype=float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'object-state': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), 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),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float64),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
agent_id	Tensor		rangkaian
episode_id	Tensor		rangkaian
indeks_episode	Tensor		int32
Langkah	Himpunan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		float64
langkah/gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/Can_pos	Tensor	(3,)	float64
langkah/pengamatan/Can_quat	Tensor	(4,)	float64
langkah/pengamatan/Can_to_robot0_eef_pos	Tensor	(3,)	float64
langkah/pengamatan/Can_to_robot0_eef_quat	Tensor	(4,)	float32
langkah/pengamatan/keadaan objek	Tensor	(14,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64
langkah/pengamatan/robot0_proprio-state	Tensor	(32,)	float64
langkah/hadiah	Tensor		float64
langkah/tag: ditempatkan	Tensor		bool

• Contoh ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/human_images_dc29b40a

• Deskripsi konfigurasi : Kumpulan data yang dihasilkan manusia, termasuk gambar dengan sudut kamera berbeda dalam pengamatan. Perhatikan bahwa mungkin diperlukan beberapa waktu untuk menghasilkan.

• Beranda : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

• Ukuran unduhan : 10.95 GiB

• Ukuran dataset : 7.53 GiB

• Perpecahan :

Membelah	Contoh
'train'	50

• Struktur fitur :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float64),
            'Can_quat': Tensor(shape=(4,), dtype=float64),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'agentview_image': Image(shape=(256, 256, 3), dtype=uint8),
            'birdview_image': Image(shape=(256, 256, 3), dtype=uint8),
            'object-state': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64),
            'robot0_eye_in_hand_image': Image(shape=(256, 256, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64),
            'robot0_gripper_qvel': Tensor(shape=(2,), 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),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float64),
            'robot0_robotview_image': Image(shape=(256, 256, 3), dtype=uint8),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
agent_id	Tensor		rangkaian
episode_id	Tensor		rangkaian
indeks_episode	Tensor		int32
Langkah	Himpunan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		float64
langkah/gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/Can_pos	Tensor	(3,)	float64
langkah/pengamatan/Can_quat	Tensor	(4,)	float64
langkah/pengamatan/Can_to_robot0_eef_pos	Tensor	(3,)	float64
langkah/pengamatan/Can_to_robot0_eef_quat	Tensor	(4,)	float32
langkah/pengamatan/agentview_image	Gambar	(256, 256, 3)	uint8
langkah/pengamatan/gambar_burung	Gambar	(256, 256, 3)	uint8
langkah/pengamatan/keadaan objek	Tensor	(14,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64
langkah/pengamatan/robot0_eye_in_hand_image	Gambar	(256, 256, 3)	uint8
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64
langkah/pengamatan/robot0_proprio-state	Tensor	(32,)	float64
langkah/pengamatan/robot0_robotview_image	Gambar	(256, 256, 3)	uint8
langkah/hadiah	Tensor		float64
langkah/tag: ditempatkan	Tensor		bool

• Contoh ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

• Deskripsi konfigurasi : Kumpulan data sintetik yang dihasilkan oleh agen stokastik yang dilatih dengan SAC (200 episode).

• Beranda : https://github.com/google-research/rlds

• Ukuran unduhan : 144.44 MiB

• Ukuran dataset : 622.86 MiB

• Perpecahan :

Membelah	Contoh
'train'	200

• Struktur fitur :

FeaturesDict({
    'agent_id': string,
    'episode_id': string,
    'episode_index': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32),
        'discount': float64,
        'image': Image(shape=(None, None, 3), dtype=uint8),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'Can_pos': Tensor(shape=(3,), dtype=float32),
            'Can_quat': Tensor(shape=(4,), dtype=float32),
            'Can_to_robot0_eef_pos': Tensor(shape=(3,), dtype=float32),
            'Can_to_robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'object-state': Tensor(shape=(14,), dtype=float32),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float32),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float32),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float32),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float32),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float32),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float32),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float32),
            'robot0_proprio-state': Tensor(shape=(32,), dtype=float32),
        }),
        'reward': float64,
        'tag:placed': bool,
    }),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
agent_id	Tensor		rangkaian
episode_id	Tensor		rangkaian
indeks_episode	Tensor		int32
Langkah	Himpunan data
langkah/tindakan	Tensor	(7,)	float32
langkah/diskon	Tensor		float64
langkah/gambar	Gambar	(Tidak ada, Tidak ada, 3)	uint8
langkah/adalah_pertama	Tensor		bool
langkah/is_last	Tensor		bool
langkah/is_terminal	Tensor		bool
langkah/pengamatan	fiturDict
langkah/pengamatan/Can_pos	Tensor	(3,)	float32
langkah/pengamatan/Can_quat	Tensor	(4,)	float32
langkah/pengamatan/Can_to_robot0_eef_pos	Tensor	(3,)	float32
langkah/pengamatan/Can_to_robot0_eef_quat	Tensor	(4,)	float32
langkah/pengamatan/keadaan objek	Tensor	(14,)	float32
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float32
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float32
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float32
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float32
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float32
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float32
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float32
langkah/pengamatan/robot0_proprio-state	Tensor	(32,)	float32
langkah/hadiah	Tensor		float64
langkah/tag: ditempatkan	Tensor		bool

• Contoh ( tfds.as_dataframe ):