Conozca lo último en aprendizaje automático, IA generativa y más en el Simposio WiML 2023.

Se usó la API de Cloud Translation para traducir esta página.

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 registraron 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.robosuite_panda_pick_place_can.RobosuitePandaPickPlaceCan
Versiones :
- 1.0.0 (predeterminado): versión inicial.
Almacenamiento automático en caché ( documentación ): No
Claves supervisadas (Ver as_supervised doc ): None
Figura ( tfds.show_examples ): no compatible.
Cita :

@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 generados por humanos (50 episodios).
Página de inicio: https://github.com/google-research/rlds
Tamaño de la descarga : 96.67 MiB
Tamaño del conjunto de datos : 407.24 MiB
Divisiones :

Separar	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 características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
id_agente	Tensor		cuerda
episodio_id	Tensor		cuerda
índice_episodio	Tensor		int32
pasos	conjunto de datos
pasos/acción	Tensor	(7,)	flotar64
pasos/descuento	Tensor		flotar64
pasos/imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	CaracterísticasDict
pasos/observación/Can_pos	Tensor	(3,)	flotar64
pasos/observación/Can_quat	Tensor	(4,)	flotar64
pasos/observación/Can_to_robot0_eef_pos	Tensor	(3,)	flotar64
pasos/observación/Can_to_robot0_eef_quat	Tensor	(4,)	flotar32
pasos/observación/objeto-estado	Tensor	(14,)	flotar64
pasos/observación/robot0_eef_pos	Tensor	(3,)	flotar64
pasos/observación/robot0_eef_quat	Tensor	(4,)	flotar64
pasos/observación/robot0_gripper_qpos	Tensor	(2,)	flotar64
pasos/observación/robot0_gripper_qvel	Tensor	(2,)	flotar64
pasos/observación/robot0_joint_pos_cos	Tensor	(7,)	flotar64
pasos/observación/robot0_joint_pos_sin	Tensor	(7,)	flotar64
pasos/observación/robot0_joint_vel	Tensor	(7,)	flotar64
pasos/observación/robot0_propio-estado	Tensor	(32,)	flotar64
pasos/recompensa	Tensor		flotar64
pasos/etiqueta: colocado	Tensor		bool

Ejemplos ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/human_images_dc29b40a

Descripción de la configuración : conjunto de datos generados por humanos, incluidas imágenes con diferentes ángulos de cámara en la observación. Tenga en cuenta que puede tomar algún tiempo para generar.
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 :

Separar	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 características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
id_agente	Tensor		cuerda
episodio_id	Tensor		cuerda
índice_episodio	Tensor		int32
pasos	conjunto de datos
pasos/acción	Tensor	(7,)	flotar64
pasos/descuento	Tensor		flotar64
pasos/imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	CaracterísticasDict
pasos/observación/Can_pos	Tensor	(3,)	flotar64
pasos/observación/Can_quat	Tensor	(4,)	flotar64
pasos/observación/Can_to_robot0_eef_pos	Tensor	(3,)	flotar64
pasos/observación/Can_to_robot0_eef_quat	Tensor	(4,)	flotar32
pasos/observación/agentview_image	Imagen	(256, 256, 3)	uint8
pasos/observación/birdview_image	Imagen	(256, 256, 3)	uint8
pasos/observación/objeto-estado	Tensor	(14,)	flotar64
pasos/observación/robot0_eef_pos	Tensor	(3,)	flotar64
pasos/observación/robot0_eef_quat	Tensor	(4,)	flotar64
pasos/observación/robot0_ojo_en_mano_imagen	Imagen	(256, 256, 3)	uint8
pasos/observación/robot0_gripper_qpos	Tensor	(2,)	flotar64
pasos/observación/robot0_gripper_qvel	Tensor	(2,)	flotar64
pasos/observación/robot0_joint_pos_cos	Tensor	(7,)	flotar64
pasos/observación/robot0_joint_pos_sin	Tensor	(7,)	flotar64
pasos/observación/robot0_joint_vel	Tensor	(7,)	flotar64
pasos/observación/robot0_propio-estado	Tensor	(32,)	flotar64
pasos/observación/robot0_robotview_image	Imagen	(256, 256, 3)	uint8
pasos/recompensa	Tensor		flotar64
pasos/etiqueta: colocado	Tensor		bool

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 la descarga : 144.44 MiB
Tamaño del conjunto de datos : 622.86 MiB
Divisiones :

Separar	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 características :

Rasgo	Clase	Forma	Tipo D
	CaracterísticasDict
id_agente	Tensor		cuerda
episodio_id	Tensor		cuerda
índice_episodio	Tensor		int32
pasos	conjunto de datos
pasos/acción	Tensor	(7,)	flotar32
pasos/descuento	Tensor		flotar64
pasos/imagen	Imagen	(Ninguno, Ninguno, 3)	uint8
pasos/es_primero	Tensor		bool
pasos/es_último	Tensor		bool
pasos/es_terminal	Tensor		bool
pasos/observación	CaracterísticasDict
pasos/observación/Can_pos	Tensor	(3,)	flotar32
pasos/observación/Can_quat	Tensor	(4,)	flotar32
pasos/observación/Can_to_robot0_eef_pos	Tensor	(3,)	flotar32
pasos/observación/Can_to_robot0_eef_quat	Tensor	(4,)	flotar32
pasos/observación/objeto-estado	Tensor	(14,)	flotar32
pasos/observación/robot0_eef_pos	Tensor	(3,)	flotar32
pasos/observación/robot0_eef_quat	Tensor	(4,)	flotar32
pasos/observación/robot0_gripper_qpos	Tensor	(2,)	flotar32
pasos/observación/robot0_gripper_qvel	Tensor	(2,)	flotar32
pasos/observación/robot0_joint_pos_cos	Tensor	(7,)	flotar32
pasos/observación/robot0_joint_pos_sin	Tensor	(7,)	flotar32
pasos/observación/robot0_joint_vel	Tensor	(7,)	flotar32
pasos/observación/robot0_propio-estado	Tensor	(32,)	flotar32
pasos/recompensa	Tensor		flotar64
pasos/etiqueta: colocado	Tensor		bool

Ejemplos ( tfds.as_dataframe ):