stanford_kuka_multimodal_dataset_converted_externally_to_rlds

  • 설명 :

포스 피드백이 있는 Kuka iiwa 페그 삽입

나뉘다
'train' 3,000
  • 기능 구조 :
FeaturesDict({
    'episode_metadata': FeaturesDict({
    }),
    'steps': Dataset({
        'action': Tensor(shape=(4,), dtype=float32, description=Robot action, consists of [3x EEF position, 1x gripper open/close].),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'contact': Tensor(shape=(50,), dtype=float32, description=Robot contact information.),
            'depth_image': Tensor(shape=(128, 128, 1), dtype=float32, description=Main depth camera observation.),
            'ee_forces_continuous': Tensor(shape=(50, 6), dtype=float32, description=Robot end-effector forces.),
            'ee_orientation': Tensor(shape=(4,), dtype=float32, description=Robot end-effector orientation quaternion.),
            'ee_orientation_vel': Tensor(shape=(3,), dtype=float32, description=Robot end-effector orientation velocity.),
            'ee_position': Tensor(shape=(3,), dtype=float32, description=Robot end-effector position.),
            'ee_vel': Tensor(shape=(3,), dtype=float32, description=Robot end-effector velocity.),
            'ee_yaw': Tensor(shape=(4,), dtype=float32, description=Robot end-effector yaw.),
            'ee_yaw_delta': Tensor(shape=(4,), dtype=float32, description=Robot end-effector yaw delta.),
            'image': Image(shape=(128, 128, 3), dtype=uint8, description=Main camera RGB observation.),
            'joint_pos': Tensor(shape=(7,), dtype=float32, description=Robot joint positions.),
            'joint_vel': Tensor(shape=(7,), dtype=float32, description=Robot joint velocities.),
            'optical_flow': Tensor(shape=(128, 128, 2), dtype=float32, description=Optical flow.),
            'state': Tensor(shape=(8,), dtype=float32, description=Robot proprioceptive information, [7x joint pos, 1x gripper open/close].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • 기능 문서 :
특징 수업 모양 Dtype 설명
특징Dict
에피소드_메타데이터 특징Dict
단계 데이터세트
단계/작업 텐서 (4,) float32 로봇 동작은 [3x EEF 위치, 1x 그리퍼 열기/닫기]로 구성됩니다.
걸음수/할인 스칼라 float32 할인이 제공되면 기본값은 1입니다.
걸음수/is_first 텐서 부울
걸음수/is_last 텐서 부울
단계/is_terminal 텐서 부울
단계/언어_임베딩 텐서 (512,) float32 코나 언어 임베딩. https://tfhub.dev/google/universal-sentence-encoder-large/5를 참조하세요.
단계/언어_지시 텍스트 언어 교육.
단계/관찰 특징Dict
걸음수/관찰/접촉 텐서 (50,) float32 로봇 연락처 정보.
단계/관찰/깊이_이미지 텐서 (128, 128, 1) float32 주요 심도 카메라 관찰.
단계/관찰/ee_forces_continuous 텐서 (50, 6) float32 로봇 엔드 이펙터 힘.
단계/관찰/ee_orientation 텐서 (4,) float32 로봇 엔드 이펙터 방향 쿼터니언.
단계/관찰/ee_orientation_vel 텐서 (3,) float32 로봇 엔드 이펙터 방향 속도.
단계/관측/ee_위치 텐서 (3,) float32 로봇 엔드 이펙터 위치.
단계/관찰/ee_vel 텐서 (3,) float32 로봇 엔드 이펙터 속도.
단계/관찰/ee_yaw 텐서 (4,) float32 로봇 엔드 이펙터 요.
단계/관찰/ee_yaw_delta 텐서 (4,) float32 로봇 엔드 이펙터 요 델타.
단계/관찰/이미지 영상 (128, 128, 3) uint8 메인 카메라 RGB 관찰.
단계/관찰/joint_pos 텐서 (7,) float32 로봇 관절 위치.
단계/관찰/joint_vel 텐서 (7,) float32 로봇 관절 속도.
단계/관찰/optical_flow 텐서 (128, 128, 2) float32 광학 흐름.
단계/관찰/상태 텐서 (8,) float32 로봇 고유 감각 정보, [7x 관절 위치, 1x 그리퍼 열기/닫기].
걸음 수/보상 스칼라 float32 제공되는 경우 보상, 데모의 마지막 단계에서 1개.
@inproceedings{lee2019icra,
  title={Making sense of vision and touch: Self-supervised learning of multimodal representations for contact-rich tasks},
  author={Lee, Michelle A and Zhu, Yuke and Srinivasan, Krishnan and Shah, Parth and Savarese, Silvio and Fei-Fei, Li and  Garg, Animesh and Bohg, Jeannette},
  booktitle={2019 IEEE International Conference on Robotics and Automation (ICRA)},
  year={2019},
  url={https://arxiv.org/abs/1810.10191}
}