spoc_robot

• Description :

• Page d'accueil : https://spoc-robot.github.io/

• Code source : tfds.robotics.rtx.SpocRobot

• Versions :

  • 0.1.0 (par défaut) : version initiale.

• Taille du téléchargement : Unknown size

• Taille de l'ensemble de données : 771.61 GiB

• Mise en cache automatique ( documentation ) : Non

• Divisions :

Diviser	Exemples
'train'	212 043
'val'	21 108

• Structure des fonctionnalités :

FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': string,
        'task_target_split': string,
        'task_type': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(9,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_instruction': string,
        'observation': FeaturesDict({
            'an_object_is_in_hand': Scalar(shape=(), dtype=bool),
            'house_index': Scalar(shape=(), dtype=int64),
            'hypothetical_task_success': Scalar(shape=(), dtype=bool),
            'image': Image(shape=(224, 384, 3), dtype=uint8),
            'image_manipulation': Image(shape=(224, 384, 3), dtype=uint8),
            'last_action_is_random': Scalar(shape=(), dtype=bool),
            'last_action_str': string,
            'last_action_success': Scalar(shape=(), dtype=bool),
            'last_agent_location': Tensor(shape=(6,), dtype=float32),
            'manip_object_bbox': Tensor(shape=(10,), dtype=float32),
            'minimum_l2_target_distance': Scalar(shape=(), dtype=float32),
            'minimum_visible_target_alignment': Scalar(shape=(), dtype=float32),
            'nav_object_bbox': Tensor(shape=(10,), dtype=float32),
            'relative_arm_location_metadata': Tensor(shape=(4,), dtype=float32),
            'room_current_seen': Scalar(shape=(), dtype=bool),
            'rooms_seen': Scalar(shape=(), dtype=int64),
            'visible_target_4m_count': Scalar(shape=(), dtype=int64),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})

• Documentation des fonctionnalités :

Fonctionnalité	Classe	Forme	Type D	Description
	FonctionnalitésDict
épisode_métadonnées	FonctionnalitésDict
épisode_metadata/file_path	Tenseur		chaîne
épisode_metadata/task_target_split	Tenseur		chaîne
épisode_metadata/task_type	Tenseur		chaîne
pas	Base de données
étapes/actions	Tenseur	(9,)	flotteur32
étapes/remise	Scalaire		flotteur32
étapes/is_first	Tenseur		bouffon
étapes/est_dernier	Tenseur		bouffon
étapes/is_terminal	Tenseur		bouffon
étapes/instruction_langue	Tenseur		chaîne
étapes/observation	FonctionnalitésDict
étapes/observation/an_object_is_in_hand	Scalaire		bouffon
étapes/observation/house_index	Scalaire		int64
étapes/observation/hypothetical_task_success	Scalaire		bouffon
étapes/observation/image	Image	(224, 384, 3)	uint8
étapes/observation/image_manipulation	Image	(224, 384, 3)	uint8
étapes/observation/last_action_is_random	Scalaire		bouffon
étapes/observation/last_action_str	Tenseur		chaîne
étapes/observation/last_action_success	Scalaire		bouffon
étapes/observation/dernier_agent_location	Tenseur	(6,)	flotteur32
étapes/observation/manip_object_bbox	Tenseur	(dix,)	flotteur32
étapes/observation/minimum_l2_target_distance	Scalaire		flotteur32
étapes/observation/minimum_visible_target_alignment	Scalaire		flotteur32
étapes/observation/nav_object_bbox	Tenseur	(dix,)	flotteur32
étapes/observation/relative_arm_location_metadata	Tenseur	(4,)	flotteur32
étapes/observation/room_current_seen	Scalaire		bouffon
étapes/observation/pièces_seen	Scalaire		int64
étapes/observation/visible_target_4m_count	Scalaire		int64
étapes/récompense	Scalaire		flotteur32

• Clés supervisées (Voir doc as_supervised ) : None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ) : Manquant.

• Citation :

@article{spoc2023,
    author    = {Kiana Ehsani, Tanmay Gupta, Rose Hendrix, Jordi Salvador, Luca Weihs, Kuo-Hao Zeng, Kunal Pratap Singh, Yejin Kim, Winson Han, Alvaro Herrasti, Ranjay Krishna, Dustin Schwenk, Eli VanderBilt, Aniruddha Kembhavi},
    title     = {Imitating Shortest Paths in Simulation Enables Effective Navigation and Manipulation in the Real World},
    journal   = {arXiv},
    year      = {2023},
    eprint    = {2312.02976},
}