- 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 ):