robosuite_panda_pick_place_can

• Descrição :

Esses conjuntos de dados foram criados com o ambiente PickPlaceCan do simulador de braço robótico robosuite . Os conjuntos de dados humanos foram registrados por um único operador usando o RLDS Creator e um controlador gamepad.

Os conjuntos de dados sintéticos foram registrados usando a biblioteca EnvLogger .

Os conjuntos de dados seguem o formato RLDS para representar etapas e episódios.

Os episódios consistem em 400 etapas. Em cada episódio, uma tag é adicionada quando a tarefa é concluída. Essa tag é armazenada como parte dos metadados da etapa personalizada.

Observe que, devido à dependência do EnvLogger, a geração deste conjunto de dados é atualmente suportada apenas em ambientes Linux.

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

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Armazenado em cache automaticamente ( documentação ): Não

• Chaves supervisionadas (consulte o documento as_supervised ): None

• Figura ( tfds.show_examples ): Não suportado.

• Citação :

@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 (configuração padrão)

• Descrição da configuração : conjunto de dados gerado por humanos (50 episódios).

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

• Tamanho do download : 96.67 MiB

• Tamanho do conjunto de dados : 407.24 MiB

• Divisões :

Dividir	Exemplos
'train'	50

• Estrutura de recursos :

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,
    }),
})

• Documentação de recursos :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
agente_id	Tensor		corda
episódio_id	Tensor		corda
índice_de_episódio	Tensor		int32
passos	Conjunto de dados
etapas/ação	Tensor	(7,)	float64
passos/desconto	Tensor		float64
passos/imagem	Imagem	(Nenhum, Nenhum, 3)	uint8
passos/é_primeiro	Tensor		bool
passos/é_último	Tensor		bool
etapas/is_terminal	Tensor		bool
etapas/observação	RecursosDict
etapas/observação/Can_pos	Tensor	(3,)	float64
passos/observação/Can_quat	Tensor	(4,)	float64
etapas/observação/Can_to_robot0_eef_pos	Tensor	(3,)	float64
etapas/observação/Can_to_robot0_eef_quat	Tensor	(4,)	float32
etapas/observação/estado do objeto	Tensor	(14,)	float64
etapas/observação/robot0_eef_pos	Tensor	(3,)	float64
etapas/observação/robot0_eef_quat	Tensor	(4,)	float64
etapas/observação/robot0_gripper_qpos	Tensor	(2,)	float64
etapas/observação/robot0_gripper_qvel	Tensor	(2,)	float64
etapas/observação/robot0_joint_pos_cos	Tensor	(7,)	float64
etapas/observação/robot0_joint_pos_sin	Tensor	(7,)	float64
etapas/observação/robot0_joint_vel	Tensor	(7,)	float64
etapas/observação/robot0_proprio-state	Tensor	(32,)	float64
passos/recompensa	Tensor		float64
passos/tag:colocado	Tensor		bool

• Exemplos ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/human_images_dc29b40a

• Descrição da configuração : conjunto de dados gerado por humanos, incluindo imagens com diferentes ângulos de câmera na observação. Observe que pode levar algum tempo para gerar.

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

• Tamanho do download : 10.95 GiB

• Tamanho do conjunto de dados : 7.53 GiB

• Divisões :

Dividir	Exemplos
'train'	50

• Estrutura de recursos :

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,
    }),
})

• Documentação de recursos :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
agente_id	Tensor		corda
episódio_id	Tensor		corda
índice_de_episódio	Tensor		int32
passos	Conjunto de dados
etapas/ação	Tensor	(7,)	float64
passos/desconto	Tensor		float64
passos/imagem	Imagem	(Nenhum, Nenhum, 3)	uint8
passos/é_primeiro	Tensor		bool
passos/é_último	Tensor		bool
etapas/is_terminal	Tensor		bool
etapas/observação	RecursosDict
etapas/observação/Can_pos	Tensor	(3,)	float64
passos/observação/Can_quat	Tensor	(4,)	float64
etapas/observação/Can_to_robot0_eef_pos	Tensor	(3,)	float64
etapas/observação/Can_to_robot0_eef_quat	Tensor	(4,)	float32
etapas/observação/agentview_image	Imagem	(256, 256, 3)	uint8
passos/observação/birdview_image	Imagem	(256, 256, 3)	uint8
etapas/observação/estado do objeto	Tensor	(14,)	float64
etapas/observação/robot0_eef_pos	Tensor	(3,)	float64
etapas/observação/robot0_eef_quat	Tensor	(4,)	float64
etapas/observação/robot0_eye_in_hand_image	Imagem	(256, 256, 3)	uint8
etapas/observação/robot0_gripper_qpos	Tensor	(2,)	float64
etapas/observação/robot0_gripper_qvel	Tensor	(2,)	float64
etapas/observação/robot0_joint_pos_cos	Tensor	(7,)	float64
etapas/observação/robot0_joint_pos_sin	Tensor	(7,)	float64
etapas/observação/robot0_joint_vel	Tensor	(7,)	float64
etapas/observação/robot0_proprio-state	Tensor	(32,)	float64
etapas/observação/robot0_robotview_image	Imagem	(256, 256, 3)	uint8
passos/recompensa	Tensor		float64
passos/tag:colocado	Tensor		bool

• Exemplos ( tfds.as_dataframe ):

robosuite_panda_pick_place_can/synthetic_stochastic_sac_afe13968

• Descrição da configuração : Conjunto de dados sintético gerado por um agente estocástico treinado com SAC (200 episódios).

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

• Tamanho do download : 144.44 MiB

• Tamanho do conjunto de dados : 622.86 MiB

• Divisões :

Dividir	Exemplos
'train'	200

• Estrutura de recursos :

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,
    }),
})

• Documentação de recursos :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
agente_id	Tensor		corda
episódio_id	Tensor		corda
índice_de_episódio	Tensor		int32
passos	Conjunto de dados
etapas/ação	Tensor	(7,)	float32
passos/desconto	Tensor		float64
passos/imagem	Imagem	(Nenhum, Nenhum, 3)	uint8
passos/é_primeiro	Tensor		bool
passos/é_último	Tensor		bool
etapas/is_terminal	Tensor		bool
etapas/observação	RecursosDict
etapas/observação/Can_pos	Tensor	(3,)	float32
passos/observação/Can_quat	Tensor	(4,)	float32
etapas/observação/Can_to_robot0_eef_pos	Tensor	(3,)	float32
etapas/observação/Can_to_robot0_eef_quat	Tensor	(4,)	float32
etapas/observação/estado do objeto	Tensor	(14,)	float32
etapas/observação/robot0_eef_pos	Tensor	(3,)	float32
etapas/observação/robot0_eef_quat	Tensor	(4,)	float32
etapas/observação/robot0_gripper_qpos	Tensor	(2,)	float32
etapas/observação/robot0_gripper_qvel	Tensor	(2,)	float32
etapas/observação/robot0_joint_pos_cos	Tensor	(7,)	float32
etapas/observação/robot0_joint_pos_sin	Tensor	(7,)	float32
etapas/observação/robot0_joint_vel	Tensor	(7,)	float32
etapas/observação/robot0_proprio-state	Tensor	(32,)	float32
passos/recompensa	Tensor		float64
passos/tag:colocado	Tensor		bool

• Exemplos ( tfds.as_dataframe ):