robomimic_mg

Keterangan :

Kumpulan data yang dihasilkan mesin Robomimic dikumpulkan menggunakan agen Soft Actor Critic yang dilatih dengan imbalan yang besar. Setiap kumpulan data terdiri dari buffer replay agen.

Setiap tugas memiliki dua versi: satu dengan pengamatan berdimensi rendah ( low_dim ), dan satu lagi dengan gambar ( image ).

Kumpulan data mengikuti format RLDS untuk mewakili langkah dan episode.

Beranda : https://arise-initiative.github.io/robomimic-web/
Kode sumber : tfds.datasets.robomimic_mg.Builder
Versi :
- 1.0.0 (default): Rilis awal.
Kunci yang diawasi (Lihat dokumen as_supervised ): None
Gambar ( tfds.show_examples ): Tidak didukung.
Kutipan :

@inproceedings{robomimic2021,
  title={What Matters in Learning from Offline Human Demonstrations for Robot Manipulation},
  author={Ajay Mandlekar and Danfei Xu and Josiah Wong and Soroush Nasiriany
          and Chen Wang and Rohun Kulkarni and Li Fei-Fei and Silvio Savarese
          and Yuke Zhu and Roberto Mart\'{i}n-Mart\'{i}n},
  booktitle={Conference on Robot Learning},
  year={2021}
}

robomimic_mg/lift_mg_image (konfigurasi default)

Ukuran unduhan : 18.04 GiB
Ukuran kumpulan data : 2.73 GiB
Cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	1.500

Struktur fitur :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=uint8),
            'object': Tensor(shape=(10,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(32,), dtype=float64),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
episode_id	Tensor		rangkaian
horison	Tensor		int32
tangga	Kumpulan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bodoh
langkah/adalah_terakhir	Tensor		bodoh
langkah/is_terminal	Tensor		bodoh
langkah/pengamatan	FiturDict
langkah/pengamatan/agentview_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/objek	Tensor	(10,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/pengamatan/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut efektor akhir
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	Kecepatan kartesius efektor akhir
langkah/pengamatan/robot0_eye_in_hand_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	Posisi gabungan 7DOF
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	Kecepatan gabungan 7DOF
langkah/hadiah	Tensor		float64
langkah/negara bagian	Tensor	(32,)	float64

Contoh ( tfds.as_dataframe ):

robomimic_mg/lift_mg_low_dim

Ukuran unduhan : 302.25 MiB
Ukuran kumpulan data : 195.10 MiB
Cache otomatis ( dokumentasi ): Hanya ketika shuffle_files=False (kereta)
Perpecahan :

Membelah	Contoh
`'train'`	1.500

Struktur fitur :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(10,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(32,), dtype=float64),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
episode_id	Tensor		rangkaian
horison	Tensor		int32
tangga	Kumpulan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bodoh
langkah/adalah_terakhir	Tensor		bodoh
langkah/is_terminal	Tensor		bodoh
langkah/pengamatan	FiturDict
langkah/pengamatan/objek	Tensor	(10,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/pengamatan/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut efektor akhir
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	Kecepatan kartesius efektor akhir
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	Posisi gabungan 7DOF
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	Kecepatan gabungan 7DOF
langkah/hadiah	Tensor		float64
langkah/negara bagian	Tensor	(32,)	float64

Contoh ( tfds.as_dataframe ):

robomimic_mg/can_mg_image

Ukuran unduhan : 47.14 GiB
Ukuran kumpulan data : 11.15 GiB
Cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	3.900

Struktur fitur :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'agentview_image': Image(shape=(84, 84, 3), dtype=uint8),
            'object': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_eye_in_hand_image': Image(shape=(84, 84, 3), dtype=uint8),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(71,), dtype=float64),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
episode_id	Tensor		rangkaian
horison	Tensor		int32
tangga	Kumpulan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bodoh
langkah/adalah_terakhir	Tensor		bodoh
langkah/is_terminal	Tensor		bodoh
langkah/pengamatan	FiturDict
langkah/pengamatan/agentview_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/objek	Tensor	(14,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/observasi/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut efektor akhir
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	Kecepatan kartesius efektor akhir
langkah/pengamatan/robot0_eye_in_hand_image	Gambar	(84, 84, 3)	uint8
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	Posisi gabungan 7DOF
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	Kecepatan gabungan 7DOF
langkah/hadiah	Tensor		float64
langkah/negara bagian	Tensor	(71,)	float64

Contoh ( tfds.as_dataframe ):

robomimic_mg/can_mg_low_dim

Ukuran unduhan : 1.01 GiB
Ukuran kumpulan data : 697.71 MiB
Cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'train'`	3.900

Struktur fitur :

FeaturesDict({
    'episode_id': string,
    'horizon': int32,
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float64),
        'discount': int32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': FeaturesDict({
            'object': Tensor(shape=(14,), dtype=float64),
            'robot0_eef_pos': Tensor(shape=(3,), dtype=float64, description=End-effector position),
            'robot0_eef_quat': Tensor(shape=(4,), dtype=float64, description=End-effector orientation),
            'robot0_eef_vel_ang': Tensor(shape=(3,), dtype=float64, description=End-effector angular velocity),
            'robot0_eef_vel_lin': Tensor(shape=(3,), dtype=float64, description=End-effector cartesian velocity),
            'robot0_gripper_qpos': Tensor(shape=(2,), dtype=float64, description=Gripper position),
            'robot0_gripper_qvel': Tensor(shape=(2,), dtype=float64, description=Gripper velocity),
            'robot0_joint_pos': Tensor(shape=(7,), dtype=float64, description=7DOF joint positions),
            'robot0_joint_pos_cos': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_pos_sin': Tensor(shape=(7,), dtype=float64),
            'robot0_joint_vel': Tensor(shape=(7,), dtype=float64, description=7DOF joint velocities),
        }),
        'reward': float64,
        'states': Tensor(shape=(71,), dtype=float64),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
episode_id	Tensor		rangkaian
horison	Tensor		int32
tangga	Kumpulan data
langkah/tindakan	Tensor	(7,)	float64
langkah/diskon	Tensor		int32
langkah/adalah_pertama	Tensor		bodoh
langkah/adalah_terakhir	Tensor		bodoh
langkah/is_terminal	Tensor		bodoh
langkah/pengamatan	FiturDict
langkah/pengamatan/objek	Tensor	(14,)	float64
langkah/pengamatan/robot0_eef_pos	Tensor	(3,)	float64	Posisi efektor akhir
langkah/pengamatan/robot0_eef_quat	Tensor	(4,)	float64	Orientasi efektor akhir
langkah/pengamatan/robot0_eef_vel_ang	Tensor	(3,)	float64	Kecepatan sudut efektor akhir
langkah/pengamatan/robot0_eef_vel_lin	Tensor	(3,)	float64	Kecepatan kartesius efektor akhir
langkah/pengamatan/robot0_gripper_qpos	Tensor	(2,)	float64	Posisi gripper
langkah/pengamatan/robot0_gripper_qvel	Tensor	(2,)	float64	Kecepatan gripper
langkah/pengamatan/robot0_joint_pos	Tensor	(7,)	float64	Posisi gabungan 7DOF
langkah/pengamatan/robot0_joint_pos_cos	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_pos_sin	Tensor	(7,)	float64
langkah/pengamatan/robot0_joint_vel	Tensor	(7,)	float64	Kecepatan gabungan 7DOF
langkah/hadiah	Tensor		float64
langkah/negara bagian	Tensor	(71,)	float64

Contoh ( tfds.as_dataframe ):