austin_sailor_dataset_converted_externally_to_rlds

  • Opis :

Zadania związane z układaniem tabletu Franka

Podział Przykłady
'train' 240
  • Struktura funkcji :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(7,), dtype=float32, description=Robot action, consists of [3x ee relative pos, 3x ee relative rotation, 1x gripper action].),
        '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({
            'image': Image(shape=(128, 128, 3), dtype=uint8, description=Main camera RGB observation.),
            'state': Tensor(shape=(8,), dtype=float32, description=Default robot state, consists of [3x robot ee pos, 3x ee quat, 1x gripper state].),
            'state_ee': Tensor(shape=(16,), dtype=float32, description=End-effector state, represented as 4x4 homogeneous transformation matrix of ee pose.),
            'state_gripper': Tensor(shape=(1,), dtype=float32, description=Robot gripper opening width. Ranges between ~0 (closed) to ~0.077 (open)),
            'state_joint': Tensor(shape=(7,), dtype=float32, description=Robot 7-dof joint information (not used in original SAILOR dataset).),
            'wrist_image': Image(shape=(128, 128, 3), dtype=uint8, description=Wrist camera RGB observation.),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=True on last step of the episode.),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
metadane_odcinka FunkcjeDykt
metadane_odcinka/ścieżka_pliku Tekst smyczkowy Ścieżka do oryginalnego pliku danych.
kroki Zbiór danych
kroki/akcja Napinacz (7,) pływak32 Działanie robota składa się z [3x ee względnego położenia, 3x ee względnego obrotu, 1x działania chwytaka].
kroki/rabat Skalarny pływak32 Rabat, jeśli jest podany, domyślnie wynosi 1.
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/osadzanie_języka Napinacz (512,) pływak32 Osadzanie języka Kona. Zobacz https://tfhub.dev/google/universal-sentence-encoder-large/5
kroki/instrukcja_językowa Tekst smyczkowy Instrukcja językowa.
kroki/obserwacje FunkcjeDykt
kroki/obserwacja/obraz Obraz (128, 128, 3) uint8 Główna kamera obserwacji RGB.
kroki/obserwacja/stan Napinacz (8,) pływak32 Domyślny stan robota składa się z [3x ee robota, 3x ee quat, 1x stan chwytaka].
kroki/obserwacja/stan_ee Napinacz (16,) pływak32 Stan efektora końcowego, reprezentowany jako jednorodna macierz transformacji 4x4 pozycji ee.
kroki/obserwacja/chwyt_stanu Napinacz (1,) pływak32 Szerokość otwarcia chwytaka robota. Zakresy od ~0 (zamknięte) do ~0,077 (otwarte)
kroki/obserwacja/połączenie_stanu Napinacz (7,) pływak32 Informacje o połączeniu robota 7-dof (nieużywane w oryginalnym zbiorze danych SAILOR).
kroki/obserwacja/obraz_nadgarstka Obraz (128, 128, 3) uint8 Kamera nadgarstkowa do obserwacji RGB.
kroki/nagroda Skalarny pływak32 To prawda na ostatnim etapie odcinka.
  • Cytat :
@inproceedings{nasiriany2022sailor,
      title={Learning and Retrieval from Prior Data for Skill-based Imitation Learning},
      author={Soroush Nasiriany and Tian Gao and Ajay Mandlekar and Yuke Zhu},
      booktitle={Conference on Robot Learning (CoRL)},
      year={2022}
    }