stanford_robocook_convertido_externalmente_a_rlds

  • Descripción :

Franka preparando bolas de masa con varias herramientas

Dividir Ejemplos
'train' 2.460
  • Estructura de características : 
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.),
    }),
})
  • Documentación de funciones :
Característica Clase Forma tipo D Descripción
FuncionesDict
episodio_metadatos FuncionesDict
episodio_metadatos/extrínsecos_1 Tensor (4, 4) flotador32 Cámara 1 Matriz Extrínseca.
episodio_metadatos/extrínsecos_2 Tensor (4, 4) flotador32 Cámara 2 Matriz Extrínseca.
episodio_metadatos/extrínsecos_3 Tensor (4, 4) flotador32 Cámara 3 Matriz Extrínseca.
episodio_metadatos/extrínsecos_4 Tensor (4, 4) flotador32 Cámara 4 Matriz Extrínseca.
metadatos_episodio/ruta_archivo Texto cadena Ruta al archivo de datos original.
pasos Conjunto de datos
pasos/acción Tensor (7,) flotador32 La acción del robot consta de [3x velocidades del efector final del robot, 3x velocidades angulares del efector final del robot, 1x velocidad de la pinza].
pasos/descuento Escalar flotador32 Descuento si se proporciona, el valor predeterminado es 1.
pasos/es_primero Tensor booleano
pasos/es_último Tensor booleano
pasos/es_terminal Tensor booleano
pasos/idioma_incrustación Tensor (512,) flotador32 Incorporación del lenguaje Kona. Consulte https://tfhub.dev/google/universal-sentence-encoder-large/5
pasos/instrucción_idioma Texto cadena Instrucción de idiomas.
pasos/observación FuncionesDict
pasos/observación/profundidad_1 Tensor (256, 256) flotador32 Cámara 1 Observación de profundidad.
pasos/observación/profundidad_2 Tensor (256, 256) flotador32 Cámara 2 Observación de profundidad.
pasos/observación/profundidad_3 Tensor (256, 256) flotador32 Cámara 3 Observación de profundidad.
pasos/observación/profundidad_4 Tensor (256, 256) flotador32 Cámara 4 Observación de profundidad.
pasos/observación/imagen_1 Imagen (256, 256, 3) uint8 Cámara 1 observación RGB.
pasos/observación/imagen_2 Imagen (256, 256, 3) uint8 Cámara 2 RGB de observación.
pasos/observación/imagen_3 Imagen (256, 256, 3) uint8 Cámara 3 RGB de observación.
pasos/observación/imagen_4 Imagen (256, 256, 3) uint8 Cámara 4 RGB de observación.
pasos/observación/estado Tensor (7,) flotador32 El estado del robot consta de [3 posiciones del efector final del robot, 3 ángulos de Euler del efector final del robot, 1 posición de la pinza].
pasos/recompensa Escalar flotador32 Recompensa si se proporciona, 1 en el paso final para demostraciones.
  • Cita : 
@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}
}