stanford_robocook_converted_externally_to_rlds

  • وصف :

فرانكا تحضر الزلابية بأدوات مختلفة

ينقسم أمثلة
'train' 2,460
  • هيكل الميزة :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'extrinsics_1': Tensor(shape=(4, 4), dtype=float32, description=Camera 1 Extrinsic Matrix.),
        'extrinsics_2': Tensor(shape=(4, 4), dtype=float32, description=Camera 2 Extrinsic Matrix.),
        'extrinsics_3': Tensor(shape=(4, 4), dtype=float32, description=Camera 3 Extrinsic Matrix.),
        'extrinsics_4': Tensor(shape=(4, 4), dtype=float32, description=Camera 4 Extrinsic Matrix.),
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32, description=Robot action, consists of [3x robot end-effector velocities, 3x robot end-effector angular velocities, 1x gripper velocity].),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'depth_1': Tensor(shape=(256, 256), dtype=float32, description=Camera 1 Depth observation.),
            'depth_2': Tensor(shape=(256, 256), dtype=float32, description=Camera 2 Depth observation.),
            'depth_3': Tensor(shape=(256, 256), dtype=float32, description=Camera 3 Depth observation.),
            'depth_4': Tensor(shape=(256, 256), dtype=float32, description=Camera 4 Depth observation.),
            'image_1': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 1 RGB observation.),
            'image_2': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 2 RGB observation.),
            'image_3': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 3 RGB observation.),
            'image_4': Image(shape=(256, 256, 3), dtype=uint8, description=Camera 4 RGB observation.),
            'state': Tensor(shape=(7,), dtype=float32, description=Robot state, consists of [3x robot end-effector position, 3x robot end-effector euler angles, 1x gripper position].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • وثائق الميزة :
ميزة فصل شكل نوع D وصف
المميزاتDict
الحلقة_البيانات الوصفية المميزاتDict
الحلقة_البيانات الوصفية/extrinsics_1 الموتر (4، 4) float32 الكاميرا 1 مصفوفة خارجية.
الحلقة_البيانات الوصفية/extrinsics_2 الموتر (4، 4) float32 الكاميرا 2 مصفوفة خارجية.
الحلقة_البيانات الوصفية/extrinsics_3 الموتر (4، 4) float32 الكاميرا 3 مصفوفة خارجية.
الحلقة_البيانات الوصفية/extrinsics_4 الموتر (4، 4) float32 الكاميرا 4 مصفوفة خارجية.
Episode_metadata/file_path نص خيط المسار إلى ملف البيانات الأصلي.
خطوات مجموعة البيانات
الخطوات/الإجراء الموتر (7،) float32 يتكون عمل الروبوت من [3x سرعات المؤثر النهائي للروبوت، 3x السرعات الزاوية للمؤثر النهائي للروبوت، 1x سرعة القابض].
الخطوات/الخصم العددية float32 الخصم إذا تم توفيره، الافتراضي هو 1.
الخطوات/is_first الموتر منطقي
الخطوات/is_last الموتر منطقي
الخطوات/is_terminal الموتر منطقي
الخطوات/language_embedding الموتر (512،) float32 تضمين لغة كونا. راجع https://tfhub.dev/google/universal-sentence-encoder-large/5
الخطوات/language_instruction نص خيط تعليم اللغة.
الخطوات/الملاحظة المميزاتDict
الخطوات/الملاحظة/العمق_1 الموتر (256، 256) float32 الكاميرا 1 مراقبة العمق.
الخطوات/الملاحظة/العمق_2 الموتر (256، 256) float32 كاميرا 2 مراقبة العمق.
الخطوات/الملاحظة/العمق_3 الموتر (256، 256) float32 كاميرا 3 مراقبة العمق.
الخطوات/الملاحظة/العمق_4 الموتر (256، 256) float32 كاميرا 4 مراقبة العمق.
الخطوات/الملاحظة/image_1 صورة (256، 256، 3) uint8 كاميرا 1 مراقبة RGB.
الخطوات/الملاحظة/image_2 صورة (256، 256، 3) uint8 كاميرا 2 مراقبة RGB.
الخطوات/الملاحظة/image_3 صورة (256، 256، 3) uint8 كاميرا 3 مراقبة RGB.
الخطوات/الملاحظة/image_4 صورة (256، 256، 3) uint8 كاميرا 4 مراقبة RGB.
الخطوات/الملاحظة/الحالة الموتر (7،) float32 حالة الروبوت، تتكون من [3x موضع المؤثر النهائي للروبوت، 3x زوايا أويلر للمؤثرات النهائية للروبوت، 1x موضع المقبض].
خطوات/مكافأة العددية float32 مكافأة إذا تم توفيرها، 1 في الخطوة النهائية للعروض التوضيحية.
  • الاقتباس :
@article{shi2023robocook,
  title={RoboCook: Long-Horizon Elasto-Plastic Object Manipulation with Diverse Tools},
  author={Shi, Haochen and Xu, Huazhe and Clarke, Samuel and Li, Yunzhu and Wu, Jiajun},
  journal={arXiv preprint arXiv:2306.14447},
  year={2023}
}