robosuite_panda_pick_place_can

• Descripción :

Estos conjuntos de datos se han creado con el entorno PickPlaceCan del simulador de brazo robótico robosuite . Los conjuntos de datos humanos fueron registrados por un solo operador utilizando RLDS Creator y un controlador de gamepad.

Los conjuntos de datos sintéticos se han registrado utilizando la biblioteca EnvLogger .

Los conjuntos de datos siguen el formato RLDS para representar pasos y episodios.

Los episodios constan de 400 pasos. En cada episodio, se agrega una etiqueta cuando se completa la tarea; esta etiqueta se almacena como parte de los metadatos del paso personalizado.

Tenga en cuenta que, debido a la dependencia de EnvLogger, la generación de este conjunto de datos actualmente solo se admite en entornos Linux.

• Código fuente : tfds.rlds.datasets.robosuite_panda_pick_place_can.RobosuitePandaPickPlaceCan

• Versiones :

  • 1.0.0 (predeterminado): versión inicial.

• Almacenamiento en caché automático ( documentación ): No

• Claves supervisadas (ver documento as_supervised ): None

• Figura ( tfds.show_examples ): no compatible.

• Citación :

@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 (configuración predeterminada)

• Descripción de la configuración : conjunto de datos generado por humanos (50 episodios).

• Página de inicio : https://github.com/google-research/rlds

• Tamaño de descarga : 96.67 MiB

• Tamaño del conjunto de datos : 407.24 MiB

• Divisiones :

Dividir	Ejemplos
'train'	50

• Estructura de características :

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,
    }),
})

• Documentación de funciones :

Característica	Clase	Forma	tipo D	Descripción
	FuncionesDict
id_agente	Tensor		cadena
id_episodio	Tensor		cadena
índice_episodio	Tensor		int32
pasos	Conjunto de datos
pasos/acción	Tensor	(7,)	flotador64
pasos/descuento	Tensor		flotador64
pasos/imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
pasos/es_primero	Tensor		booleano
pasos/es_último	Tensor		booleano
pasos/es_terminal	Tensor		booleano
pasos/observación	FuncionesDict
pasos/observación/Can_pos	Tensor	(3,)	flotador64
pasos/observación/Can_quat	Tensor	(4,)	flotador64
pasos/observación/Can_to_robot0_eef_pos	Tensor	(3,)	flotador64
pasos/observación/Can_to_robot0_eef_quat	Tensor	(4,)	flotador32
pasos/observación/estado-objeto	Tensor	(14,)	flotador64
pasos/observación/robot0_eef_pos	Tensor	(3,)	flotador64
pasos/observación/robot0_eef_quat	Tensor	(4,)	flotador64
pasos/observación/robot0_gripper_qpos	Tensor	(2,)	flotador64
pasos/observación/robot0_gripper_qvel	Tensor	(2,)	flotador64
pasos/observación/robot0_joint_pos_cos	Tensor	(7,)	flotador64
pasos/observación/robot0_joint_pos_sin	Tensor	(7,)	flotador64
pasos/observación/robot0_joint_vel	Tensor	(7,)	flotador64
pasos/observación/robot0_proprio-state	Tensor	(32,)	flotador64
pasos/recompensa	Tensor		flotador64
pasos/etiqueta: colocado	Tensor		booleano

• Ejemplos ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/human_images_dc29b40a

• Descripción de la configuración : conjunto de datos generado por humanos, que incluye imágenes con diferentes ángulos de cámara en la observación. Tenga en cuenta que puede tardar algún tiempo en generarse.

• Página de inicio : https://www.tensorflow.org/datasets/catalog/robosuite_panda_pick_place_can

• Tamaño de descarga : 10.95 GiB

• Tamaño del conjunto de datos : 7.53 GiB

• Divisiones :

Dividir	Ejemplos
'train'	50

• Estructura de características :

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,
    }),
})

• Documentación de funciones :

Característica	Clase	Forma	tipo D	Descripción
	FuncionesDict
id_agente	Tensor		cadena
id_episodio	Tensor		cadena
índice_episodio	Tensor		int32
pasos	Conjunto de datos
pasos/acción	Tensor	(7,)	flotador64
pasos/descuento	Tensor		flotador64
pasos/imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
pasos/es_primero	Tensor		booleano
pasos/es_último	Tensor		booleano
pasos/es_terminal	Tensor		booleano
pasos/observación	FuncionesDict
pasos/observación/Can_pos	Tensor	(3,)	flotador64
pasos/observación/Can_quat	Tensor	(4,)	flotador64
pasos/observación/Can_to_robot0_eef_pos	Tensor	(3,)	flotador64
pasos/observación/Can_to_robot0_eef_quat	Tensor	(4,)	flotador32
pasos/observación/agentview_image	Imagen	(256, 256, 3)	uint8
pasos/observación/birdview_image	Imagen	(256, 256, 3)	uint8
pasos/observación/estado-objeto	Tensor	(14,)	flotador64
pasos/observación/robot0_eef_pos	Tensor	(3,)	flotador64
pasos/observación/robot0_eef_quat	Tensor	(4,)	flotador64
pasos/observación/robot0_eye_in_hand_image	Imagen	(256, 256, 3)	uint8
pasos/observación/robot0_gripper_qpos	Tensor	(2,)	flotador64
pasos/observación/robot0_gripper_qvel	Tensor	(2,)	flotador64
pasos/observación/robot0_joint_pos_cos	Tensor	(7,)	flotador64
pasos/observación/robot0_joint_pos_sin	Tensor	(7,)	flotador64
pasos/observación/robot0_joint_vel	Tensor	(7,)	flotador64
pasos/observación/robot0_proprio-state	Tensor	(32,)	flotador64
pasos/observación/robot0_robotview_image	Imagen	(256, 256, 3)	uint8
pasos/recompensa	Tensor		flotador64
pasos/etiqueta: colocado	Tensor		booleano

• Ejemplos ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

• Descripción de la configuración : conjunto de datos sintéticos generados por un agente estocástico entrenado con SAC (200 episodios).

• Página de inicio : https://github.com/google-research/rlds

• Tamaño de descarga : 144.44 MiB

• Tamaño del conjunto de datos : 622.86 MiB

• Divisiones :

Dividir	Ejemplos
'train'	200

• Estructura de características :

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,
    }),
})

• Documentación de funciones :

Característica	Clase	Forma	tipo D	Descripción
	FuncionesDict
id_agente	Tensor		cadena
id_episodio	Tensor		cadena
índice_episodio	Tensor		int32
pasos	Conjunto de datos
pasos/acción	Tensor	(7,)	flotador32
pasos/descuento	Tensor		flotador64
pasos/imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
pasos/es_primero	Tensor		booleano
pasos/es_último	Tensor		booleano
pasos/es_terminal	Tensor		booleano
pasos/observación	FuncionesDict
pasos/observación/Can_pos	Tensor	(3,)	flotador32
pasos/observación/Can_quat	Tensor	(4,)	flotador32
pasos/observación/Can_to_robot0_eef_pos	Tensor	(3,)	flotador32
pasos/observación/Can_to_robot0_eef_quat	Tensor	(4,)	flotador32
pasos/observación/estado-objeto	Tensor	(14,)	flotador32
pasos/observación/robot0_eef_pos	Tensor	(3,)	flotador32
pasos/observación/robot0_eef_quat	Tensor	(4,)	flotador32
pasos/observación/robot0_gripper_qpos	Tensor	(2,)	flotador32
pasos/observación/robot0_gripper_qvel	Tensor	(2,)	flotador32
pasos/observación/robot0_joint_pos_cos	Tensor	(7,)	flotador32
pasos/observación/robot0_joint_pos_sin	Tensor	(7,)	flotador32
pasos/observación/robot0_joint_vel	Tensor	(7,)	flotador32
pasos/observación/robot0_proprio-state	Tensor	(32,)	flotador32
pasos/recompensa	Tensor		flotador64
pasos/etiqueta: colocado	Tensor		booleano

• Ejemplos ( tfds.as_dataframe ):