mt_opt

• Описание :

Наборы данных для статьи MT-Opt .

• Домашняя страница : https://karolhausman.github.io/mt-opt/

• Исходный код : tfds.robotics.mt_opt.MtOpt

• Версии :

  • 1.0.0 (по умолчанию): Первоначальный выпуск.

• Размер загрузки : Unknown size

• Автоматическое кэширование ( документация ): Нет

• Ключи под наблюдением (см . документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@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 (конфигурация по умолчанию)

• Описание конфигурации : этот набор данных содержит эпизоды задач, собранные для множества реальных роботов. Он соответствует формату RLDS для представления шагов и эпизодов.

• Размер набора данных : 4.38 TiB

• Сплиты :

• Структура функции :

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,
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):

mt_opt/sd

• Описание конфигурации : набор данных детекторов успеха, который содержит созданные человеком определения выполнения задач.

• Размер набора данных : 548.56 GiB .

• Сплиты :

• Структура функции :

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,
})

• Документация по функциям :

• Примеры ( tfds.as_dataframe ):