stanford_kuka_multimodal_dataset_converted_externally_to_rlds

  • Description :

Insertion de chevilles Kuka iiwa avec retour de force

Diviser Exemples
'train' 3 000
  • Structure des fonctionnalités :
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.),
    }),
})
  • Documentation des fonctionnalités :
Fonctionnalité Classe Forme Type D Description
FonctionnalitésDict
épisode_métadonnées FonctionnalitésDict
mesures Ensemble de données
étapes/actions Tenseur (4,) flotteur32 L'action du robot consiste en [3x positions EEF, 1x ouverture/fermeture de la pince].
étapes/remise Scalaire flotteur32 Remise si fournie, par défaut à 1.
étapes/is_first Tenseur bouffon
étapes/est_dernier Tenseur bouffon
étapes/is_terminal Tenseur bouffon
étapes/langue_embedding Tenseur (512,) flotteur32 Intégration du langage Kona. Voir https://tfhub.dev/google/universal-sentence-encoder-large/5
étapes/instruction_langue Texte chaîne Enseignement des langues.
étapes/observation FonctionnalitésDict
démarches/observation/contact Tenseur (50,) flotteur32 Coordonnées des robots.
étapes/observation/profondeur_image Tenseur (128, 128, 1) flotteur32 Observation par caméra de profondeur principale.
étapes/observation/ee_forces_continuous Tenseur (50, 6) flotteur32 Forces effectrices finales du robot.
étapes/observation/ee_orientation Tenseur (4,) flotteur32 Quaternion d'orientation de l'effecteur terminal du robot.
étapes/observation/ee_orientation_vel Tenseur (3,) flotteur32 Vitesse d’orientation de l’effecteur final du robot.
étapes/observation/ee_position Tenseur (3,) flotteur32 Position de l'effecteur final du robot.
étapes/observation/ee_vel Tenseur (3,) flotteur32 Vitesse de l'effecteur final du robot.
étapes/observation/ee_yaw Tenseur (4,) flotteur32 Lacet effecteur final du robot.
étapes/observation/ee_yaw_delta Tenseur (4,) flotteur32 Delta de lacet de l'effecteur terminal du robot.
étapes/observation/image Image (128, 128, 3) uint8 Observation RVB de la caméra principale.
étapes/observation/joint_pos Tenseur (7,) flotteur32 Positions communes des robots.
étapes/observation/joint_vel Tenseur (7,) flotteur32 Vitesses articulaires des robots.
étapes/observation/flux_optique Tenseur (128, 128, 2) flotteur32 Flux optique.
étapes/observation/état Tenseur (8,) flotteur32 Informations proprioceptives du robot, [7x position d'articulation, 1x pince ouverte/fermée].
étapes/récompense Scalaire flotteur32 Récompense si fournie, 1 à la dernière étape pour les démos.
@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}
}