रोबोसुइट_पांडा_स्थान_चुन सकते हैं

  • विवरण :

ये डेटासेट रोबोसुइट रोबोटिक आर्म सिम्युलेटर के पिकप्लेसकैन वातावरण के साथ बनाए गए हैं। मानव डेटासेट को आरएलडीएस क्रिएटर और गेमपैड नियंत्रक का उपयोग करके एकल ऑपरेटर द्वारा रिकॉर्ड किया गया था।

सिंथेटिक डेटासेट को EnvLogger लाइब्रेरी का उपयोग करके रिकॉर्ड किया गया है।

डेटासेट चरणों और एपिसोड का प्रतिनिधित्व करने के लिए आरएलडीएस प्रारूप का पालन करते हैं।

एपिसोड में 400 चरण होते हैं। प्रत्येक एपिसोड में, कार्य पूरा होने पर एक टैग जोड़ा जाता है, यह टैग कस्टम चरण मेटाडेटा के भाग के रूप में संग्रहीत किया जाता है।

ध्यान दें कि, EnvLogger निर्भरता के कारण, इस डेटासेट की पीढ़ी वर्तमान में केवल लिनक्स वातावरण पर समर्थित है।

@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}
}

रोबोसुइट_पांडा_पिक_प्लेस_कैन/ह्यूमन_dc29b40a (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • कॉन्फ़िगरेशन विवरण : मानव निर्मित डेटासेट (50 एपिसोड)।

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

  • डाउनलोड आकार : 96.67 MiB

  • डेटासेट का आकार : 407.24 MiB

  • विभाजन :

विभाजित करना उदाहरण
'train' 50
  • फ़ीचर संरचना :
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,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीप्रकार विवरण
फीचर्सडिक्ट
एजेंट_आईडी टेन्सर डोरी
एपिसोड_आईडी टेन्सर डोरी
एपिसोड_इंडेक्स टेन्सर int32
कदम डेटासेट
कदम/कार्रवाई टेन्सर (7,) फ्लोट64
कदम/छूट टेन्सर फ्लोट64
चरण/छवि छवि (कोई नहीं, कोई नहीं, 3) uint8
चरण/पहला है टेन्सर बूल
चरण/अंतिम है टेन्सर बूल
चरण/is_terminal टेन्सर बूल
चरण/अवलोकन फीचर्सडिक्ट
चरण/अवलोकन/Can_pos टेन्सर (3,) फ्लोट64
चरण/अवलोकन/Can_quat टेन्सर (4,) फ्लोट64
चरण/अवलोकन/Can_to_robot0_eef_pos टेन्सर (3,) फ्लोट64
चरण/अवलोकन/Can_to_robot0_eef_quat टेन्सर (4,) फ्लोट32
चरण/अवलोकन/वस्तु-स्थिति टेन्सर (14,) फ्लोट64
चरण/अवलोकन/robot0_eef_pos टेन्सर (3,) फ्लोट64
चरण/अवलोकन/robot0_eef_quat टेन्सर (4,) फ्लोट64
चरण/अवलोकन/robot0_gripper_qpos टेन्सर (2,) फ्लोट64
चरण/अवलोकन/robot0_gripper_qvel टेन्सर (2,) फ्लोट64
चरण/अवलोकन/robot0_joint_pos_cos टेन्सर (7,) फ्लोट64
चरण/अवलोकन/robot0_joint_pos_sin टेन्सर (7,) फ्लोट64
चरण/अवलोकन/robot0_joint_vel टेन्सर (7,) फ्लोट64
चरण/अवलोकन/robot0_proprio-स्थिति टेन्सर (32,) फ्लोट64
कदम/इनाम टेन्सर फ्लोट64
चरण/टैग: रखा गया टेन्सर बूल

रोबोसुइट_पांडा_पिक_प्लेस_कैन/ह्यूमन_इमेजेज_dc29b40a

  • कॉन्फ़िगरेशन विवरण : अवलोकन में विभिन्न कैमरा कोणों वाली छवियों सहित मानव निर्मित डेटासेट। ध्यान दें कि इसे उत्पन्न होने में कुछ समय लग सकता है।

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

  • डाउनलोड आकार : 10.95 GiB

  • डेटासेट का आकार : 7.53 GiB

  • विभाजन :

विभाजित करना उदाहरण
'train' 50
  • फ़ीचर संरचना :
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,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीप्रकार विवरण
फीचर्सडिक्ट
एजेंट_आईडी टेन्सर डोरी
एपिसोड_आईडी टेन्सर डोरी
एपिसोड_इंडेक्स टेन्सर int32
कदम डेटासेट
कदम/कार्रवाई टेन्सर (7,) फ्लोट64
कदम/छूट टेन्सर फ्लोट64
चरण/छवि छवि (कोई नहीं, कोई नहीं, 3) uint8
चरण/पहला है टेन्सर बूल
चरण/अंतिम है टेन्सर बूल
चरण/is_terminal टेन्सर बूल
चरण/अवलोकन फीचर्सडिक्ट
चरण/अवलोकन/Can_pos टेन्सर (3,) फ्लोट64
चरण/अवलोकन/Can_quat टेन्सर (4,) फ्लोट64
चरण/अवलोकन/Can_to_robot0_eef_pos टेन्सर (3,) फ्लोट64
चरण/अवलोकन/Can_to_robot0_eef_quat टेन्सर (4,) फ्लोट32
चरण/अवलोकन/एजेंटव्यू_इमेज छवि (256, 256, 3) uint8
चरण/अवलोकन/पक्षीदृश्य_छवि छवि (256, 256, 3) uint8
चरण/अवलोकन/वस्तु-स्थिति टेन्सर (14,) फ्लोट64
चरण/अवलोकन/robot0_eef_pos टेन्सर (3,) फ्लोट64
चरण/अवलोकन/robot0_eef_quat टेन्सर (4,) फ्लोट64
चरण/अवलोकन/robot0_eye_in_hand_image छवि (256, 256, 3) uint8
चरण/अवलोकन/robot0_gripper_qpos टेन्सर (2,) फ्लोट64
चरण/अवलोकन/robot0_gripper_qvel टेन्सर (2,) फ्लोट64
चरण/अवलोकन/robot0_joint_pos_cos टेन्सर (7,) फ्लोट64
चरण/अवलोकन/robot0_joint_pos_sin टेन्सर (7,) फ्लोट64
चरण/अवलोकन/robot0_joint_vel टेन्सर (7,) फ्लोट64
चरण/अवलोकन/robot0_proprio-स्थिति टेन्सर (32,) फ्लोट64
चरण/अवलोकन/robot0_robotview_image छवि (256, 256, 3) uint8
कदम/इनाम टेन्सर फ्लोट64
चरण/टैग: रखा गया टेन्सर बूल

रोबोसुइट_पांडा_पिक_प्लेस_कैन/सिंथेटिक_स्टोकेस्टिक_सैक_एएफई13968

  • कॉन्फ़िगरेशन विवरण : एसएसी (200 एपिसोड) के साथ प्रशिक्षित स्टोकेस्टिक एजेंट द्वारा उत्पन्न सिंथेटिक डेटासेट।

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

  • डाउनलोड आकार : 144.44 MiB

  • डेटासेट का आकार : 622.86 MiB

  • विभाजन :

विभाजित करना उदाहरण
'train' 200
  • फ़ीचर संरचना :
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,
    }),
})
  • फ़ीचर दस्तावेज़ीकरण :
विशेषता कक्षा आकार डीप्रकार विवरण
फीचर्सडिक्ट
एजेंट_आईडी टेन्सर डोरी
एपिसोड_आईडी टेन्सर डोरी
एपिसोड_इंडेक्स टेन्सर int32
कदम डेटासेट
कदम/कार्रवाई टेन्सर (7,) फ्लोट32
कदम/छूट टेन्सर फ्लोट64
चरण/छवि छवि (कोई नहीं, कोई नहीं, 3) uint8
चरण/पहला है टेन्सर बूल
चरण/अंतिम है टेन्सर बूल
चरण/is_terminal टेन्सर बूल
चरण/अवलोकन फीचर्सडिक्ट
चरण/अवलोकन/Can_pos टेन्सर (3,) फ्लोट32
चरण/अवलोकन/Can_quat टेन्सर (4,) फ्लोट32
चरण/अवलोकन/Can_to_robot0_eef_pos टेन्सर (3,) फ्लोट32
चरण/अवलोकन/Can_to_robot0_eef_quat टेन्सर (4,) फ्लोट32
चरण/अवलोकन/वस्तु-स्थिति टेन्सर (14,) फ्लोट32
चरण/अवलोकन/robot0_eef_pos टेन्सर (3,) फ्लोट32
चरण/अवलोकन/robot0_eef_quat टेन्सर (4,) फ्लोट32
चरण/अवलोकन/robot0_gripper_qpos टेन्सर (2,) फ्लोट32
चरण/अवलोकन/robot0_gripper_qvel टेन्सर (2,) फ्लोट32
चरण/अवलोकन/robot0_joint_pos_cos टेन्सर (7,) फ्लोट32
चरण/अवलोकन/robot0_joint_pos_sin टेन्सर (7,) फ्लोट32
चरण/अवलोकन/robot0_joint_vel टेन्सर (7,) फ्लोट32
चरण/अवलोकन/robot0_proprio-स्थिति टेन्सर (32,) फ्लोट32
कदम/इनाम टेन्सर फ्लोट64
चरण/टैग: रखा गया टेन्सर बूल