stanford_mask_vit_converted_externally_to_rlds

  • Tanım :

Sawyer çöp kutusundaki nesneleri itip topluyor

Bölmek Örnekler
'train' 9.109
'val' 91
  • Özellik yapısı : 
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(5,), dtype=float32, description=Robot action, consists of [3x change in end effector position, 1x gripper yaw, 1x open/close gripper (-1 means to open the gripper, 1 means 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({
            'end_effector_pose': Tensor(shape=(5,), dtype=float32, description=Robot end effector pose, consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position]. This is the state used in the MaskViT paper.),
            'finger_sensors': Tensor(shape=(1,), dtype=float32, description=1x Sawyer gripper finger sensors.),
            'high_bound': Tensor(shape=(5,), dtype=float32, description=High bound for end effector pose normalization. Consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position].),
            'image': Image(shape=(480, 480, 3), dtype=uint8, description=Main camera RGB observation.),
            'low_bound': Tensor(shape=(5,), dtype=float32, description=Low bound for end effector pose normalization. Consists of [3x Cartesian position, 1x gripper yaw, 1x gripper position].),
            'state': Tensor(shape=(15,), dtype=float32, description=Robot state, consists of [7x robot joint angles, 7x robot joint velocities,1x gripper position].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
bölüm_meta verileri ÖzelliklerDict
bölüm_metadata/dosya_yolu Metin sicim Orijinal veri dosyasının yolu.
adımlar Veri kümesi
adımlar/eylem Tensör (5,) kayan nokta32 Robot hareketi, [3x uç efektör pozisyonunda değişiklik, 1x tutucu yalpalama, 1x açık/kapalı tutucu (-1 tutucuyu açmak anlamına gelir, 1 kapatmak anlamına gelir)] oluşur.
adımlar/indirim Skaler kayan nokta32 Sağlanırsa indirim, varsayılan olarak 1'dir.
adımlar/is_first Tensör bool
adımlar/is_last Tensör bool
adımlar/is_terminal Tensör bool
adımlar/dil_embedding Tensör (512,) kayan nokta32 Kona dili yerleştirme. Bkz. https://tfhub.dev/google/universal-sentence-encoder-large/5
adımlar/language_instruction Metin sicim Dil Öğretimi.
adımlar/gözlem ÖzelliklerDict
adımlar/gözlem/end_fector_pose Tensör (5,) kayan nokta32 Robot uç efektör pozu, [3x Kartezyen konumu, 1x kıskaç sapması, 1x kıskaç pozisyonu]'ndan oluşur. MaskViT makalesinde kullanılan durum budur.
adımlar/gözlem/finger_sensors Tensör (1,) kayan nokta32 1x Sawyer tutucu parmak sensörleri.
adımlar/gözlem/yüksek_sınır Tensör (5,) kayan nokta32 Uç efektör poz normalizasyonu için yüksek sınır. [3x Kartezyen konumu, 1x kıskaç sapması, 1x kıskaç konumu]'ndan oluşur.
adımlar/gözlem/görüntü Resim (480, 480, 3) uint8 Ana kamera RGB gözlemi.
adımlar/gözlem/düşük sınır Tensör (5,) kayan nokta32 Uç efektör poz normalizasyonu için düşük sınır. [3x Kartezyen konumu, 1x kıskaç sapması, 1x kıskaç konumu]'ndan oluşur.
adımlar/gözlem/durum Tensör (15,) kayan nokta32 Robot durumu, [7x robot eklem açıları, 7x robot eklem hızları, 1x tutucu konumu]'dan oluşur.
adımlar/ödül Skaler kayan nokta32 Sağlandığı takdirde ödül, demolar için son adımda 1.
  • Alıntı : 
@inproceedings{gupta2022maskvit,
  title={MaskViT: Masked Visual Pre-Training for Video Prediction},
  author={Agrim Gupta and Stephen Tian and Yunzhi Zhang and Jiajun Wu and Roberto Martín-Martín and Li Fei-Fei},
  booktitle={International Conference on Learning Representations},
  year={2022}
}