- توضیحات :
RoboNet حاوی بیش از 15 میلیون فریم ویدیویی از تعامل ربات-شی است که از 113 نقطه دید دوربین منحصر به فرد گرفته شده است.
این کنشها به صورت دلتا در موقعیت و چرخش به سمت افکتور انتهایی ربات هستند و یک بعد اضافی از بردار عمل برای اتصال گیره در نظر گرفته شده است.
حالتها فضای عمل کنترلی اثر پایانی دکارتی با چرخش محدود و یک مفصل گیره هستند
اسناد اضافی : کاوش در کاغذها با کد
صفحه اصلی : https://www.robonet.wiki/
کد منبع :
tfds.datasets.robonet.Builderنسخه ها :
-
4.0.1(پیشفرض): بدون یادداشت انتشار.
-
کلیدهای نظارت شده (به
as_superviseddoc مراجعه کنید):Noneشکل ( tfds.show_examples ): پشتیبانی نمی شود.
نقل قول :
@article{dasari2019robonet,
title={RoboNet: Large-Scale Multi-Robot Learning},
author={Dasari, Sudeep and Ebert, Frederik and Tian, Stephen and
Nair, Suraj and Bucher, Bernadette and Schmeckpeper, Karl
and Singh, Siddharth and Levine, Sergey and Finn, Chelsea},
journal={arXiv preprint arXiv:1910.11215},
year={2019}
}
robonet/robonet_sample_64 (پیکربندی پیشفرض)
توضیحات پیکربندی : نمونه RoboNet 64x64.
حجم دانلود :
119.80 MiBحجم مجموعه داده :
183.04 MiBذخیره خودکار ( مستندات ): فقط زمانی که
shuffle_files=False(قطار)تقسیم ها :
| شکاف | مثال ها |
|---|---|
'train' | 700 |
- ساختار ویژگی :
FeaturesDict({
'actions': Tensor(shape=(None, 5), dtype=float32),
'filename': Text(shape=(), dtype=string),
'states': Tensor(shape=(None, 5), dtype=float32),
'video': Video(Image(shape=(64, 64, 3), dtype=uint8)),
})
- مستندات ویژگی :
| ویژگی | کلاس | شکل | نوع D | شرح |
|---|---|---|---|---|
| FeaturesDict | ||||
| اقدامات | تانسور | (هیچ، 5) | float32 | |
| نام فایل | متن | رشته | ||
| ایالت ها | تانسور | (هیچ، 5) | float32 | |
| ویدئو | ویدئو (تصویر) | (هیچ، 64، 64، 3) | uint8 |
- مثالها ( tfds.as_dataframe ):
robonet/robonet_sample_128
توضیحات پیکربندی : نمونه RoboNet 128x128.
حجم دانلود :
119.80 MiBحجم مجموعه داده :
638.98 MiBذخیره خودکار ( اسناد ): خیر
تقسیم ها :
| شکاف | مثال ها |
|---|---|
'train' | 700 |
- ساختار ویژگی :
FeaturesDict({
'actions': Tensor(shape=(None, 5), dtype=float32),
'filename': Text(shape=(), dtype=string),
'states': Tensor(shape=(None, 5), dtype=float32),
'video': Video(Image(shape=(128, 128, 3), dtype=uint8)),
})
- مستندات ویژگی :
| ویژگی | کلاس | شکل | نوع D | شرح |
|---|---|---|---|---|
| FeaturesDict | ||||
| اقدامات | تانسور | (هیچ، 5) | float32 | |
| نام فایل | متن | رشته | ||
| ایالت ها | تانسور | (هیچ، 5) | float32 | |
| ویدئو | ویدئو (تصویر) | (هیچ، 128، 128، 3) | uint8 |
- مثالها ( tfds.as_dataframe ):
robonet/robonet_64
توضیحات پیکربندی : RoboNet 64x64.
حجم دانلود :
36.20 GiBحجم مجموعه داده :
41.37 GiBذخیره خودکار ( اسناد ): خیر
تقسیم ها :
| شکاف | مثال ها |
|---|---|
'train' | 162,417 |
- ساختار ویژگی :
FeaturesDict({
'actions': Tensor(shape=(None, 5), dtype=float32),
'filename': Text(shape=(), dtype=string),
'states': Tensor(shape=(None, 5), dtype=float32),
'video': Video(Image(shape=(64, 64, 3), dtype=uint8)),
})
- مستندات ویژگی :
| ویژگی | کلاس | شکل | نوع D | شرح |
|---|---|---|---|---|
| FeaturesDict | ||||
| اقدامات | تانسور | (هیچ، 5) | float32 | |
| نام فایل | متن | رشته | ||
| ایالت ها | تانسور | (هیچ، 5) | float32 | |
| ویدئو | ویدئو (تصویر) | (هیچ، 64، 64، 3) | uint8 |
- مثالها ( tfds.as_dataframe ):
robonet/robonet_128
توضیحات پیکربندی : 128x128 RoboNet.
حجم دانلود :
36.20 GiBحجم مجموعه داده :
144.90 GiBذخیره خودکار ( اسناد ): خیر
تقسیم ها :
| شکاف | مثال ها |
|---|---|
'train' | 162,417 |
- ساختار ویژگی :
FeaturesDict({
'actions': Tensor(shape=(None, 5), dtype=float32),
'filename': Text(shape=(), dtype=string),
'states': Tensor(shape=(None, 5), dtype=float32),
'video': Video(Image(shape=(128, 128, 3), dtype=uint8)),
})
- مستندات ویژگی :
| ویژگی | کلاس | شکل | نوع D | شرح |
|---|---|---|---|---|
| FeaturesDict | ||||
| اقدامات | تانسور | (هیچ، 5) | float32 | |
| نام فایل | متن | رشته | ||
| ایالت ها | تانسور | (هیچ، 5) | float32 | |
| ویدئو | ویدئو (تصویر) | (هیچ، 128، 128، 3) | uint8 |
- مثالها ( tfds.as_dataframe ):