OpenVLA (2) 机器人环境和环境数据

文章目录

  • 前言
  • [1 BridgeData V2](#1 BridgeData V2)
    • [1.1 概述](#1.1 概述)
    • [1.2 硬件环境](#1.2 硬件环境)
  • [2 数据集](#2 数据集)
    • [2.1 场景与结构](#2.1 场景与结构)
    • [2.2 数据结构](#2.2 数据结构)
      • [2.2.1 images0](#2.2.1 images0)
      • [2.2.2 obs_dict.pkl](#2.2.2 obs_dict.pkl)
      • [2.2.3 policy_out.pkl](#2.2.3 policy_out.pkl)

前言

按照笔者之前的行业经验, 数据集的整理是非常重要的, 因此笔者这里增加原文中出现的几个数据集和环境的学习


1 BridgeData V2

1.1 概述

skill 例如:抓取(pick), 放置(place), 推动(pushing), 清扫(sweeping), 堆叠(stacking), 折叠(folding)

trajectories 就是action集合:

其中数据集合结构图如下:

图像分辨率:640×480

1.2 硬件环境

BridgeData的整体环境如图:

其中所有的硬件(包括支架, 导轨,工件 等等)描述链接如下:

https://docs.google.com/document/d/1si-6cTElTWTgflwcZRPfgHU7-UwfCUkEztkH3ge5CGc/edit?pli=1\&tab=t.0

该平台主要的内容:

一个固定视角(over-the-shoulder) 的RGBD(Intel D435),

一个固连在机器人腕部的RGB(custom Raspberry Pi),

两个可变视角RGB(Logitech C920),在数据采集过程中会被更改。

我们关心的机械臂和摄像头参数如下:


但是要注意的是openVLA没有用腕部摄像头(原因是方便 PK 其他工作), 因此只用了第三人视角的摄像头

2 数据集

2.1 场景与结构

可以看到数据集合总共有两种

类型 说明
Human demonstrations 人类通过遥操作(如鼠标/VR 手柄)控制机器人执行任务,系统记录图像、指令和动作
Scripted policies 开发者用 Python/控制代码编写一套"规则程序",在给定场景中自动执行任务,比如:"如果检测到杯子在桌面中心,则移动 gripper 到目标点并下降"

数据结构如下图, 其中每个traj_group 都是相同场景,固定部分摆件,然后制造数据

再升一级目录,我们可以看到 相同的场景,不同的拍摄时间对应不同的 摆件,而不是控制部分不同的摆件

我们, 再进入raw 数据,可以看到bridge_data的场景结构

其中这里作者还为数据的正确性做了验证放了一张diagnostics.png 图片以显示当前 通过脚本给定数据的正确性.

名称 意义 数据来源
xpos 实际执行到的位置 通过机器人反馈采集,每一帧记录
despos 计划中的目标位置 来自控制策略(如 scripted policy)或人类操作输入

2.2 数据结构

每一组数据里都包含三个文件:

2.2.1 images0

images0 是用于ViT的一组图片, obj_dict 是场景信息

可以看出就是完成一个 trajetory的过程.

2.2.2 obs_dict.pkl

键名 含义
joint_effort 每个关节的施加力矩(关节力)
qpos 关节位置(Joint Position)
qvel 关节速度(Joint Velocity)
full_state 完整状态向量(包含位姿、关节等)
state 简化状态(可能是观测空间状态)
desired_state 控制器期望状态(即 despos 源)
time_stamp 每帧时间戳
eef_transform End-Effector 的变换矩阵(即 gripper 位姿)
high_bound / low_bound 状态空间上下界
env_done 当前帧是否终止(布尔)
t_get_obs 获取观测时耗(调试用)

其中

eef_transform代表的是 gripper 的六自由度位姿变换矩阵(通常是 4x4),可以从中提取出:

(1) 平移向量(x, y, z) 即我们要的 xpos

(2) 旋转矩阵 , 可进一步转为欧拉角(roll, pitch, yaw)

2.2.3 policy_out.pkl

索引 含义 示例值 说明
[0:3] Δx, Δy, Δz -0.012, 0.037, 0.004 空间位置变化向量(平移动作)
[3:6] Δroll, Δpitch, Δyaw 0.0043, -0.0037, -0.8251 欧拉角空间的姿态微调(旋转动作)
[6] gripper_open 1 or 0 夹爪开闭指令(1 表示张开,0 表示闭合)

我这条case 共计49组,这张图是记录了 xyz的运动轨迹

这张图分析了 爪子夹取东西的时间分布图.

相关推荐
.30-06Springfield24 分钟前
人工智能概念之七:集成学习思想(Bagging、Boosting、Stacking)
人工智能·算法·机器学习·集成学习
说私域1 小时前
基于开源AI智能名片链动2+1模式S2B2C商城小程序的超级文化符号构建路径研究
人工智能·小程序·开源
永洪科技1 小时前
永洪科技荣获商业智能品牌影响力奖,全力打造”AI+决策”引擎
大数据·人工智能·科技·数据分析·数据可视化·bi
shangyingying_12 小时前
关于小波降噪、小波增强、小波去雾的原理区分
人工智能·深度学习·计算机视觉
书玮嘎3 小时前
【WIP】【VLA&VLM——InternVL系列】
人工智能·深度学习
猫头虎3 小时前
猫头虎 AI工具分享:一个网页抓取、结构化数据提取、网页爬取、浏览器自动化操作工具:Hyperbrowser MCP
运维·人工智能·gpt·开源·自动化·文心一言·ai编程
要努力啊啊啊3 小时前
YOLOv2 正负样本分配机制详解
人工智能·深度学习·yolo·计算机视觉·目标跟踪
CareyWYR3 小时前
大模型真的能做推荐系统吗?ARAG论文给了我一个颠覆性的答案
人工智能
特立独行的猫a3 小时前
百度AI文心大模型4.5系列开源模型评测,从安装部署到应用体验
人工智能·百度·开源·文心一言·文心一言4.5