Puna me dataset-et

Formati i dataset-it LeRobot

AY-Robots i ruan të gjitha të dhënat e demonstrimit në formatin e dataset-it LeRobot, mirëmbajtur nga Hugging Face. Përfitimi praktik është portabiliteti: një dataset i regjistruar këtu ngarkohet direkt në kod trajnimi të bazuar në LeRobot, dhe dataset-e të regjistruara diku tjetër në të njëjtin format mund të ngarkohen dhe përdoren në platformë pa konvertim.

Një dataset është një koleksion episodesh. Një episod është një përpjekje e plotë e një detyre, nga një gjendje fillestare e përcaktuar deri te pika ku keni ndaluar regjistrimin. Në disk, një episod ndahet në tre lloje skedarësh: një skedar Parquet me transmetimet numerike, një skedar video për çdo kamerë dhe metadata që i lidh të gjitha së bashku.

Skema e karakteristikave në info.json është ajo që kodi i trajnimit e lexon për të kuptuar të dhënat tuaja: cilat çelësa vëzhgimi ekzistojnë, format e tyre dhe ritmi i regjistrimit. Dy dataset-e janë të përputhshme vetëm nëse skemat e tyre përkojnë, gjë që është pikërisht ajo që kontrollon validimi i bashkimit.

Vlerat e nyjeve janë përqindje, jo gradë

Të gjitha vlerat e nyjeve në dataset-et e AY-Robots janë të normalizuara sipas LeRobot: çdo vlerë shkon nga -100 në 100 dhe përfaqëson një përqindje të rrezes së kalibruar të asaj nyjeje, jo një kënd në gradë. Një lexim prej 0 është qendra e rrezes së kalibruar, -100 dhe 100 janë kufijtë e saj.

Dataset-et në cloud, në panel

Dashboard > Datasets i liston dataset-et tuaja në cloud me numrin e episodeve, madhësitë e skedarëve dhe statusin e mbledhjes. Dataset-et krijohen automatikisht kur një sesion teleoperimi regjistron të dhëna, dhe mund të krijoni edhe një shprehimisht dhe ta mbushni duke ngarkuar regjistrime nga klienti desktop.

• Krijim: dataset-et e reja shfaqen nga sesionet automatikisht, ose krijoni një bosh dhe ngarkoni në të.
• Riemërtim: ndryshoni emrin e shfaqur në çdo moment; ndryshimi nuk prek vetë të dhënat.
• Fshirje: heq dataset-in dhe të gjitha episodet dhe skedarët e tij. Fshirja është e përhershme, kështu që shkarkoni një arkiv më parë nëse mund t'ju duhen përsëri të dhënat.

Shfletuesi i episodeve

Hapja e një dataset-i ju çon te shfletuesi i episodeve. Çdo episod ka një lexues videoje për transmetimet e kamerave dhe grafikë të sinkronizuar nyjesh që vizatojnë vlerat e normalizuara të nyjeve gjatë episodit. Lëvizja e videos e zhvendos kursorin e grafikut bashkë me të, gjë që e bën të shpejtë vënien re të problemeve: një afrim i ashpër shfaqet si kërcime në grafikë, një kapje e dështuar është e dukshme në kanalin e kapëses edhe para se ta shikoni videon.

Etiketat e episodeve: Success, Recovery, Failure

Çdo episod mund të mbajë një nga tre etiketa. Success shënon një demonstrim të pastër të detyrës. Recovery shënon një episod ku diçka shkoi keq në mes të përpjekjes dhe e keni korrigjuar; këto janë të vlefshme sepse i mësojnë një policy si të kthehet në rrugën e duhur. Failure shënon episode që nuk arritën objektivin dhe zakonisht duhen mbajtur jashtë trajnimit. Etiketimi ndërsa shqyrtoni është shumë më i lirë sesa debugimi i një policy që ka mësuar në heshtje nga demonstrime të këqija.

Bashkimi i dataset-eve

Bashkimi kombinon disa regjistrime në një dataset më të madh, për shembull një javë sesionesh mbi të njëjtën detyrë ose regjistrime nga dy krahë të kalibruar. Bashkimi merr disa arkiva tar.gz, secili duke përmbajtur një dataset LeRobot, dhe prodhon një dataset të vetëm me episode të riindeksuara.

1. 1
   Përgatitni arkivat

   Çdo hyrje duhet të jetë një dataset i plotë LeRobot i paketuar si arkiv tar.gz, duke përfshirë direktorinë e tij meta. Arkiva të pjesshme pa info.json nuk mund të validohen dhe refuzohen.

2. 2
   Ngarkoni disa arkiva

   Te Dashboard > Datasets, nisni një bashkim dhe zgjidhni të gjitha arkivat tar.gz që doni t'i kombinoni në një hap.

3. 3
   Validimi

   Platforma kontrollon që fps, skema e karakteristikave dhe robot_type përkojnë mes të gjitha hyrjeve. Nëse ndonjëra prej tre përkufizimeve ndryshon, bashkimi refuzohet me mospërputhjen e emërtuar, sepse një dataset i kombinuar me transmetime jokonsistente do të prishte trajnimin në heshtje.

4. 4
   Shqyrtoni rezultatin

   Dataset-i i bashkuar shfaqet në listën tuaj me numrin e kombinuar të episodeve. Hapni shfletuesin e episodeve dhe kontrolloni disa episode nga secili burim para se të trajnoni mbi të.

Tre rregullat e përputhshmërisë janë strikte për qëllim. Mospërputhjet në ritmin e kuadrove ndryshojnë kuptimin e çdo hapi kohor, mospërputhjet e skemës thyejnë ngarkuesit fare, dhe përzierja e tipeve të robotëve prodhon një dataset mbi të cilin asnjë policy e vetme nuk mund të veprojë. Nëse ju duhet të kombinoni të dhëna nga krahë të ndryshëm të të njëjtit model, kjo është në rregull: robot_type i referohet modelit, jo njësisë fizike.

Tregu i dataset-eve

Tregu ju lejon të blini dataset-e të regjistruara nga të tjerë dhe të shisni tuajat. Dataset-et e blera arrijnë në panelin tuaj në të njëjtin format LeRobot si regjistrimet tuaja, kështu që funksionojnë me shfletuesin e episodeve, bashkimin dhe trajnimin pa hapa shtesë.

Nëse shisni, kuroni para se të listoni. Shqyrtoni episodet, etiketoni me ndershmëri dhe sigurohuni që vargjet e detyrave përshkruajnë atë që ndodh vërtet në regjistrime. Një blerës që vlerëson dataset-in tuaj sheh të njëjtin shfletues episodesh që shihni edhe ju, dhe dataset-et me etiketa të pastra dhe demonstrime konsistente vlejnë më shumë sesa hedhurina të papërpunuara të gjithçkaje që keni regjistruar ndonjëherë.

Pyetje të shpeshta