stanford_robocook_converted_externally_to_rlds

  • توضیحات :

فرانکا تهیه کوفته با وسایل مختلف

تقسیم کنید نمونه ها
'train' 2,460
  • ساختار ویژگی :
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.),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D توضیحات
FeaturesDict
قسمت_متاداده FeaturesDict
episode_metadata/extrinsics_1 تانسور (4، 4) float32 دوربین 1 ماتریس بیرونی.
episode_metadata/extrinsics_2 تانسور (4، 4) float32 دوربین 2 ماتریس بیرونی.
episode_metadata/extrinsics_3 تانسور (4، 4) float32 دوربین 3 ماتریس بیرونی.
episode_metadata/extrinsics_4 تانسور (4، 4) float32 دوربین 4 ماتریس بیرونی.
episode_metadata/file_path متن رشته مسیر فایل داده اصلی
مراحل مجموعه داده
مراحل/عمل تانسور (7،) float32 عملکرد ربات، شامل [3 برابر سرعت اثر پایانی ربات، 3 برابر سرعت زاویه‌ای اثر پایانی ربات، سرعت گیره 1 برابر] است.
مراحل/تخفیف اسکالر float32 تخفیف در صورت ارائه، پیش فرض 1 است.
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
Steps/language_embedding تانسور (512،) float32 تعبیه زبان کونا. به https://tfhub.dev/google/universal-sentence-encoder-large/5 مراجعه کنید
مراحل/زبان_آموزش متن رشته آموزش زبان.
مراحل / مشاهده FeaturesDict
مراحل/مشاهده/عمق_1 تانسور (256، 256) float32 دوربین 1 مشاهده عمق.
مراحل/مشاهده/عمق_2 تانسور (256، 256) float32 دوربین 2 مشاهده عمق.
مراحل/مشاهده/عمق_3 تانسور (256، 256) float32 دوربین 3 مشاهده عمق.
مراحل/مشاهده/عمق_4 تانسور (256، 256) float32 دوربین 4 مشاهده عمق.
مراحل/مشاهده/تصویر_1 تصویر (256، 256، 3) uint8 دوربین 1 مشاهده RGB.
مراحل/مشاهده/تصویر_2 تصویر (256، 256، 3) uint8 دوربین 2 مشاهده RGB.
مراحل/مشاهده/تصویر_3 تصویر (256، 256، 3) uint8 دوربین 3 مشاهده RGB.
مراحل/مشاهده/تصویر_4 تصویر (256، 256، 3) uint8 دوربین 4 مشاهده RGB.
مراحل / مشاهده / حالت تانسور (7،) float32 حالت ربات، شامل [3 برابر موقعیت افکتور انتهایی ربات، 3 برابر زوایای اویلر اثر پایانی ربات، 1 برابر موقعیت گیره] است.
مراحل/پاداش اسکالر float32 در صورت ارائه پاداش، 1 در مرحله آخر برای دموها.
  • نقل قول :
@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}
}