ucsd_pick_and_place_dataset_converted_externally_to_rlds

  • Descripción :

xArm recogiendo y colocando objetos con distractores

Dividir Ejemplos
'train' 1.355
  • Estructura de características :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'disclaimer': Text(shape=(), dtype=string),
        'file_path': Text(shape=(), dtype=string),
        'n_transitions': Scalar(shape=(), dtype=int32, description=Number of transitions in the episode.),
        'success': Scalar(shape=(), dtype=bool, description=True if the last state of an episode is a success state, False otherwise.),
        'success_labeled_by': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(4,), dtype=float32, description=Robot action, consists of [3x gripper velocities,1x gripper open/close torque].),
        '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({
            'image': Image(shape=(224, 224, 3), dtype=uint8, description=Camera RGB observation.),
            'state': Tensor(shape=(7,), dtype=float32, description=Robot state, consists of [3x gripper position,3x gripper orientation, 1x finger distance].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
episodio_metadatos FuncionesDict
episodio_metadatos/descargo de responsabilidad Texto cadena Descargo de responsabilidad sobre el episodio en particular.
metadatos_episodio/ruta_archivo Texto cadena Ruta al archivo de datos original.
episodio_metadatos/n_transiciones Escalar int32 Número de transiciones en el episodio.
episodio_metadatos/éxito Escalar booleano Verdadero si el último estado de un episodio es un estado exitoso; Falso en caso contrario.
episodio_metadatos/éxito_labeled_by Texto cadena Quien etiquetó el éxito (y por tanto la recompensa) del episodio. Puede ser uno de: [humano, clasificador].
pasos Conjunto de datos
pasos/acción Tensor (4,) flotador32 La acción del robot consta de [3x velocidades de la pinza, 1x par de apertura/cierre de la pinza].
pasos/descuento Escalar flotador32 Descuento si se proporciona, el valor predeterminado es 1.
pasos/es_primero Tensor booleano
pasos/es_último Tensor booleano
pasos/es_terminal Tensor booleano
pasos/idioma_incrustación Tensor (512,) flotador32 Incorporación del lenguaje Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5
pasos/instrucción_idioma Texto cadena Instrucción de idiomas.
pasos/observación FuncionesDict
pasos/observación/imagen Imagen (224, 224, 3) uint8 Observación de cámara RGB.
pasos/observación/estado Tensor (7,) flotador32 El estado del robot consta de [3x posición de la pinza, 3x orientación de la pinza, 1x distancia del dedo].
pasos/recompensa Escalar flotador32 Recompensa si se proporciona, 1 en el paso final para demostraciones.
  • Cita :
@preprint{Feng2023Finetuning,
    title={Finetuning Offline World Models in the Real World},
    author={Yunhai Feng, Nicklas Hansen, Ziyan Xiong, Chandramouli Rajagopalan, Xiaolong Wang},
    year={2023}
}