usc_cloth_sim_converted_externally_to_rlds

  • Opis :

Zadania interakcji z tkaniną Franka

Podział Przykłady
'train' 800
'val' 200
  • Struktura funkcji :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(4,), dtype=float32),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'image': Image(shape=(32, 32, 3), dtype=uint8),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
metadane_odcinka FunkcjeDykt
metadane_odcinka/ścieżka_pliku Tekst strunowy Ścieżka do oryginalnego pliku danych.
kroki Zbiór danych
kroki/akcja Napinacz (4,) pływak32 Akcja robota, składa się z celu x,y,z i polecenia picker<0,5 = otwórz, picker>0,5 = zamknij.
kroki/rabat Skalarny pływak32 Rabat, jeśli jest podany, domyślnie wynosi 1.
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/osadzanie_języka Napinacz (512,) pływak32 Osadzanie języka Kona. Zobacz https://tfhub.dev/google/universal-sentence-encoder-large/5
kroki/instrukcja_językowa Tekst strunowy Instrukcja językowa.
kroki/obserwacje FunkcjeDykt
kroki/obserwacja/obraz Obraz (32, 32, 3) uint8 Obserwacja obrazu tkaniny.
kroki/nagroda Skalarny pływak32 Nagroda jako znormalizowana miara wydajności w [0, 1].0 = brak zmian w stosunku do stanu początkowego. 1 = doskonałe złożenie oznacza, że ​​tkanina jest w gorszym stanie niż w stanie początkowym.
@article{salhotra2022dmfd,
    author={Salhotra, Gautam and Liu, I-Chun Arthur and Dominguez-Kuhne, Marcus and Sukhatme, Gaurav S.},
    journal={IEEE Robotics and Automation Letters},
    title={Learning Deformable Object Manipulation From Expert Demonstrations},
    year={2022},
    volume={7},
    number={4},
    pages={8775-8782},
    doi={10.1109/LRA.2022.3187843}
}