MS-HAB-PrepareGroceries
收藏ManiSkill-HAB PrepareGroceries Dataset
数据集概述
- 语言: 英语 (en)
- 许可证: MIT
- 标签: 机器人学, 操作, 重排, 计算机视觉, 强化学习, 模仿学习, RGBD, RGB, 深度, 低级控制, 全身控制, 家庭助手, 仿真, ManiSkill
- 注释创建者: 机器生成
- 语言创建者: 机器生成
- 语言详情: 美式英语 (en-US)
- 数据集名称: ManiSkill-HAB PrepareGroceries Dataset
- 数据集大小: 1M<n<10M (包含18K个episode和3.6M个transition)
- 任务类别: 机器人学, 强化学习
- 任务ID: 抓取, 任务规划
数据集配置
配置列表
-
pick-002_master_chef_can
- 轨迹文件:
pick/002_master_chef_can.h5 - 元数据文件:
pick/002_master_chef_can.json
- 轨迹文件:
-
pick-003_cracker_box
- 轨迹文件:
pick/003_cracker_box.h5 - 元数据文件:
pick/003_cracker_box.json
- 轨迹文件:
-
pick-004_sugar_box
- 轨迹文件:
pick/004_sugar_box.h5 - 元数据文件:
pick/004_sugar_box.json
- 轨迹文件:
-
pick-005_tomato_soup_can
- 轨迹文件:
pick/005_tomato_soup_can.h5 - 元数据文件:
pick/005_tomato_soup_can.json
- 轨迹文件:
-
pick-007_tuna_fish_can
- 轨迹文件:
pick/007_tuna_fish_can.h5 - 元数据文件:
pick/007_tuna_fish_can.json
- 轨迹文件:
-
pick-008_pudding_box
- 轨迹文件:
pick/008_pudding_box.h5 - 元数据文件:
pick/008_pudding_box.json
- 轨迹文件:
-
pick-009_gelatin_box
- 轨迹文件:
pick/009_gelatin_box.h5 - 元数据文件:
pick/009_gelatin_box.json
- 轨迹文件:
-
pick-010_potted_meat_can
- 轨迹文件:
pick/010_potted_meat_can.h5 - 元数据文件:
pick/010_potted_meat_can.json
- 轨迹文件:
-
pick-024_bowl
- 轨迹文件:
pick/024_bowl.h5 - 元数据文件:
pick/024_bowl.json
- 轨迹文件:
-
place-002_master_chef_can
- 轨迹文件:
place/002_master_chef_can.h5 - 元数据文件:
place/002_master_chef_can.json
- 轨迹文件:
-
place-003_cracker_box
- 轨迹文件:
place/003_cracker_box.h5 - 元数据文件:
place/003_cracker_box.json
- 轨迹文件:
-
place-004_sugar_box
- 轨迹文件:
place/004_sugar_box.h5 - 元数据文件:
place/004_sugar_box.json
- 轨迹文件:
-
place-005_tomato_soup_can
- 轨迹文件:
place/005_tomato_soup_can.h5 - 元数据文件:
place/005_tomato_soup_can.json
- 轨迹文件:
-
place-007_tuna_fish_can
- 轨迹文件:
place/007_tuna_fish_can.h5 - 元数据文件:
place/007_tuna_fish_can.json
- 轨迹文件:
-
place-008_pudding_box
- 轨迹文件:
place/008_pudding_box.h5 - 元数据文件:
place/008_pudding_box.json
- 轨迹文件:
-
place-009_gelatin_box
- 轨迹文件:
place/009_gelatin_box.h5 - 元数据文件:
place/009_gelatin_box.json
- 轨迹文件:
-
place-010_potted_meat_can
- 轨迹文件:
place/010_potted_meat_can.h5 - 元数据文件:
place/010_potted_meat_can.json
- 轨迹文件:
-
place-024_bowl
- 轨迹文件:
place/024_bowl.h5 - 元数据文件:
place/024_bowl.json
- 轨迹文件:
数据集详情
数据集描述
ManiSkill-HAB PrepareGroceries数据集是一个用于ManiSkill-HAB PrepareGroceries任务的演示数据集。每个子任务/对象组合（例如pick 002_master_chef_can）有1000个成功的episode（每个演示200个样本），这些数据是通过RL策略收集的，并使用基于规则的事件标注系统进行过滤，以确保机器人行为的安全性。
PrepareGroceries包含Pick和Place子任务。相对于其他MS-HAB长期任务（如TidyHouse、SetTable），PrepareGroceries Pick和PrepareGroceries Place属于困难难度（在简单-中等-困难的范围内）。
相关数据集
有关MS-HAB数据集的完整信息（包括其他长期任务），请访问ManiSkill-HAB网站。
使用场景
直接使用
该数据集可用于训练基于视觉的演示学习和模仿学习方法，这些方法可以在MS-HAB环境中进行评估。该数据集也可作为计算机视觉任务的合成数据使用。
超出范围的使用
虽然可以基于此数据集训练盲状态策略，但建议训练基于视觉的策略以处理碰撞和障碍。
数据集结构
每个子任务/对象组合都有文件[SUBTASK]/[OBJECT].json和[SUBTASK]/[OBJECT].h5。JSON文件包含episode元数据、事件标签等，而HDF5文件包含演示数据。
数据集创建
数据是通过RL策略收集的，并使用基于规则的事件标注系统进行过滤，以确保机器人行为的安全性。
偏差、风险和限制
该数据集完全是合成的。
虽然MS-HAB支持高质量的光线追踪渲染，但由于效率原因，该数据集使用ManiSkill的默认渲染进行数据生成。然而，用户可以使用数据生成代码生成自己的数据。
引用
@article{shukla2024maniskillhab, author = {Arth Shukla and Stone Tao and Hao Su}, title = {ManiSkill-HAB: A Benchmark for Low-Level Manipulation in Home Rearrangement Tasks}, journal = {CoRR}, volume = {abs/2412.13211}, year = {2024}, url = {https://doi.org/10.48550/arXiv.2412.13211}, doi = {10.48550/ARXIV.2412.13211}, eprinttype = {arXiv}, eprint = {2412.13211}, timestamp = {Mon, 09 Dec 2024 01:29:24 +0100}, biburl = {https://dblp.org/rec/journals/corr/abs-2412-13211.bib}, bibsource = {dblp computer science bibliography, https://dblp.org} }
