रोबोसुइट_पांडा_पिक_प्लेस_कैन

  • विवरण :

ये डेटासेट रोबोसुइट रोबोटिक आर्म सिम्युलेटर के पिकप्लेसकैन वातावरण के साथ बनाए गए हैं। RLDS क्रिएटर और गेमपैड कंट्रोलर का उपयोग करके एकल ऑपरेटर द्वारा मानव डेटासेट रिकॉर्ड किए गए थे।

EnvLogger लाइब्रेरी का उपयोग करके सिंथेटिक डेटासेट रिकॉर्ड किए गए हैं।

डेटासेट चरण 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 होता है।

ध्यान दें कि, EnvLogger निर्भरता के कारण, इस डेटासेट का निर्माण वर्तमान में केवल Linux वातावरणों 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}
}

robosuite_panda_pick_place_can/human_dc29b40a (डिफ़ॉल्ट कॉन्फ़िगरेशन)

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

  • होमपेज : 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 डीटाइप विवरण
विशेषताएं डिक्ट
एजेंट_आईडी टेन्सर डोरी
प्रकरण_आईडी टेन्सर डोरी
प्रकरण_सूचकांक टेन्सर int32
कदम डेटासेट
कदम / कार्रवाई टेन्सर (7,) फ्लोट64
चरण/छूट टेन्सर फ्लोट64
कदम / छवि छवि (कोई नहीं, कोई नहीं, 3) uint8
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन विशेषताएं डिक्ट
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
कदम/अवलोकन/वस्तु-राज्य 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-state टेन्सर (32,) फ्लोट64
कदम / इनाम टेन्सर फ्लोट64
चरण/टैग: रखा गया टेन्सर बूल

रोबोसुइट_पांडा_पिक_प्लेस_कैन/ह्यूमन_इमेज_dc29b40a

  • कॉन्फ़िगरेशन विवरण : अवलोकन में विभिन्न कैमरा कोणों के साथ छवियों सहित मानव जनित डेटासेट। ध्यान दें कि इसे जनरेट होने में कुछ समय लग सकता है.

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

  • डाउनलोड का 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 डीटाइप विवरण
विशेषताएं डिक्ट
एजेंट_आईडी टेन्सर डोरी
प्रकरण_आईडी टेन्सर डोरी
प्रकरण_सूचकांक टेन्सर int32
कदम डेटासेट
कदम / कार्रवाई टेन्सर (7,) फ्लोट64
चरण/छूट टेन्सर फ्लोट64
कदम / छवि छवि (कोई नहीं, कोई नहीं, 3) uint8
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन विशेषताएं डिक्ट
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
कदम/अवलोकन/agentview_image छवि (256, 256, 3) uint8
स्टेप्स/ऑब्जर्वेशन/बर्डव्यू_इमेज छवि (256, 256, 3) uint8
कदम/अवलोकन/वस्तु-राज्य 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-state 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_स्टोचैस्टिक_सैक_afe13968

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

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

  • डाउनलोड का 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 डीटाइप विवरण
विशेषताएं डिक्ट
एजेंट_आईडी टेन्सर डोरी
प्रकरण_आईडी टेन्सर डोरी
प्रकरण_सूचकांक टेन्सर int32
कदम डेटासेट
कदम / कार्रवाई टेन्सर (7,) फ्लोट32
चरण/छूट टेन्सर फ्लोट64
कदम / छवि छवि (कोई नहीं, कोई नहीं, 3) uint8
चरण/is_first टेन्सर बूल
चरण/is_last टेन्सर बूल
कदम/is_terminal टेन्सर बूल
चरण/अवलोकन विशेषताएं डिक्ट
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
कदम/अवलोकन/वस्तु-राज्य 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-state टेन्सर (32,) फ्लोट32
कदम / इनाम टेन्सर फ्लोट64
चरण/टैग: रखा गया टेन्सर बूल