vima_converted_externally_to_rlds

  • Описание :

Набор данных SIM для одной руки робота, выполняющей процедурно сгенерированные настольные задачи с мультимодальными подсказками, более 600 тыс. траекторий

Расколоть Примеры
  • Структура функции :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'action_bounds': FeaturesDict({
            'high': Tensor(shape=(3,), dtype=float32),
            'low': Tensor(shape=(3,), dtype=float32),
        }),
        'end-effector type': string,
        'failure': Scalar(shape=(), dtype=bool),
        'file_path': string,
        'n_objects': Scalar(shape=(), dtype=int64),
        'num_steps': Scalar(shape=(), dtype=int64),
        'robot_components_seg_ids': Sequence(Scalar(shape=(), dtype=int64)),
        'seed': Scalar(shape=(), dtype=int64),
        'success': Scalar(shape=(), dtype=bool),
        'task': string,
    }),
    'steps': Dataset({
        'action': FeaturesDict({
            'pose0_position': Tensor(shape=(3,), dtype=float32),
            'pose0_rotation': Tensor(shape=(4,), dtype=float32),
            'pose1_position': Tensor(shape=(3,), dtype=float32),
            'pose1_rotation': Tensor(shape=(4,), dtype=float32),
        }),
        'discount': Scalar(shape=(), dtype=float32),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'multimodal_instruction': string,
        'multimodal_instruction_assets': FeaturesDict({
            'asset_type': Sequence(string),
            'frontal_image': Sequence(Tensor(shape=(128, 256, 3), dtype=uint8)),
            'frontal_segmentation': Sequence(Tensor(shape=(128, 256), dtype=uint8)),
            'image': Sequence(Tensor(shape=(128, 256, 3), dtype=uint8)),
            'key_name': Sequence(string),
            'segmentation': Sequence(Tensor(shape=(128, 256), dtype=uint8)),
            'segmentation_obj_info': Sequence({
                'obj_name': Sequence(string),
                'segm_id': Sequence(Scalar(shape=(), dtype=int64)),
                'texture_name': Sequence(string),
            }),
        }),
        'observation': FeaturesDict({
            'ee': int64,
            'frontal_image': Tensor(shape=(128, 256, 3), dtype=uint8),
            'frontal_segmentation': Tensor(shape=(128, 256), dtype=uint8),
            'image': Tensor(shape=(128, 256, 3), dtype=uint8),
            'segmentation': Tensor(shape=(128, 256), dtype=uint8),
            'segmentation_obj_info': FeaturesDict({
                'obj_name': Sequence(string),
                'segm_id': Sequence(Scalar(shape=(), dtype=int64)),
                'texture_name': Sequence(string),
            }),
        }),
        'reward': Scalar(shape=(), dtype=float32),
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
эпизод_метаданные ВозможностиDict
эпизод_метаданные/action_bounds ВозможностиDict
эпизод_метаданные/action_bounds/высокий Тензор (3,) float32
эпизод_метаданные/action_bounds/низкий Тензор (3,) float32
Episode_metadata/тип конечного эффектора Тензор нить
эпизод_метаданные/провал Скаляр логическое значение
метаданные_эпизода/путь_к файлу Тензор нить
эпизод_метаданные/n_objects Скаляр int64
Episode_metadata/num_steps Скаляр int64
эпизод_метаданные/робот_компоненты_seg_ids Последовательность (скалярная) (Никто,) int64
эпизод_метаданные/сид Скаляр int64
эпизод_метаданные/успех Скаляр логическое значение
эпизод_метаданные/задача Тензор нить
шаги Набор данных
шаги/действия ВозможностиDict
шаги/действие/pose0_position Тензор (3,) float32
шаги/действие/pose0_rotation Тензор (4,) float32
шаги/действие/pose1_position Тензор (3,) float32
шаги/действие/pose1_rotation Тензор (4,) float32
шаги/скидка Скаляр float32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/multimodal_instruction Тензор нить
шаги/multimodal_instruction_assets ВозможностиDict
шаги/multimodal_instruction_assets/asset_type Последовательность (тензор) (Никто,) нить
шаги/multimodal_instruction_assets/frontal_image Последовательность (тензор) (Нет, 128, 256, 3) uint8
шаги/multimodal_instruction_assets/frontal_segmentation Последовательность (тензор) (Нет, 128, 256) uint8
шаги/multimodal_instruction_assets/image Последовательность (тензор) (Нет, 128, 256, 3) uint8
шаги/multimodal_instruction_assets/key_name Последовательность (тензор) (Никто,) нить
шаги/multimodal_instruction_assets/сегментация Последовательность (тензор) (Нет, 128, 256) uint8
шаги/multimodal_instruction_assets/segmentation_obj_info Последовательность
шаги/multimodal_instruction_assets/segmentation_obj_info/obj_name Последовательность (тензор) (Никто,) нить
шаги/multimodal_instruction_assets/segmentation_obj_info/segm_id Последовательность (скалярная) (Никто,) int64
шаги/multimodal_instruction_assets/segmentation_obj_info/texture_name Последовательность (тензор) (Никто,) нить
шаги/наблюдение ВозможностиDict
шаги/наблюдение/ee Тензор int64
шаги/наблюдение/frontal_image Тензор (128, 256, 3) uint8
шаги/наблюдение/frontal_segmentation Тензор (128, 256) uint8
шаги/наблюдение/изображение Тензор (128, 256, 3) uint8
шаги/наблюдение/сегментация Тензор (128, 256) uint8
шаги/наблюдение/segmentation_obj_info ВозможностиDict
шаги/наблюдение/segmentation_obj_info/obj_name Последовательность (тензор) (Никто,) нить
шаги/наблюдение/segmentation_obj_info/segm_id Последовательность (скалярная) (Никто,) int64
шаги/наблюдение/segmentation_obj_info/texture_name Последовательность (тензор) (Никто,) нить
шаги/награда Скаляр float32
@inproceedings{jiang2023vima,  title     = {VIMA: General Robot Manipulation with Multimodal Prompts},  author    = {Yunfan Jiang and Agrim Gupta and Zichen Zhang and Guanzhi Wang and Yongqiang Dou and Yanjun Chen and Li Fei-Fei and Anima Anandkumar and Yuke Zhu and Linxi Fan}, booktitle = {Fortieth International Conference on Machine Learning},  year      = {2023}. }