mt_opt

• توضیحات :

مجموعه داده ها برای کاغذ MT-Opt .

• صفحه اصلی : https://karolhausman.github.io/mt-opt/

• کد منبع : tfds.robotics.mt_opt.MtOpt

• نسخه ها :

  • 1.0.0 (پیش فرض): انتشار اولیه.

• اندازه دانلود : Unknown size

• ذخیره خودکار ( اسناد ): خیر

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@misc{kalashnikov2021mtopt,
      title={MT-Opt: Continuous Multi-Task Robotic Reinforcement Learning at Scale},
      author={Dmitry Kalashnikov and Jacob Varley and Yevgen Chebotar and Benjamin Swanson and Rico Jonschkowski and Chelsea Finn and Sergey Levine and Karol Hausman},
      year={2021},
      eprint={2104.08212},
      archivePrefix={arXiv},
      primaryClass={cs.RO}
}

mt_opt/rlds (پیکربندی پیش فرض)

• توضیحات پیکربندی : این مجموعه داده شامل قسمت‌های کار جمع‌آوری‌شده در مجموعه‌ای از روبات‌های واقعی است. برای نمایش مراحل و قسمت ها از فرمت RLDS پیروی می کند.

• اندازه مجموعه داده : 4.38 TiB

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'episode_id': string,
    'skill': uint8,
    'steps': Dataset({
        'action': FeaturesDict({
            'close_gripper': bool,
            'open_gripper': bool,
            'target_pose': Tensor(shape=(7,), dtype=float32),
            'terminate': bool,
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'gripper_closed': bool,
            'height_to_bottom': float32,
            'image': Image(shape=(512, 640, 3), dtype=uint8),
            'state_dense': Tensor(shape=(7,), dtype=float32),
        }),
    }),
    'task_code': string,
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):

mt_opt/sd

• شرح پیکربندی : مجموعه داده آشکارسازهای موفقیت که شامل تعاریف مدیریت شده توسط انسان از تکمیل وظایف است.

• حجم مجموعه داده : 548.56 GiB

• تقسیم ها :

• ساختار ویژگی :

FeaturesDict({
    'image_0': Image(shape=(512, 640, 3), dtype=uint8),
    'image_1': Image(shape=(480, 640, 3), dtype=uint8),
    'image_2': Image(shape=(480, 640, 3), dtype=uint8),
    'success': bool,
    'task_code': string,
})

• مستندات ویژگی :

• مثال‌ها ( tfds.as_dataframe ):