Kufanya kazi na dataset

Muundo wa dataset ya LeRobot

AY-Robots huhifadhi data yote ya maonyesho katika muundo wa dataset wa LeRobot unaosimamiwa na Hugging Face. Faida ya kivitendo ni uhamishikaji: dataset iliyorekodiwa hapa hupakia moja kwa moja kwenye msimbo wa mafunzo unaotegemea LeRobot, na dataset zilizorekodiwa mahali pengine katika muundo ule ule zinaweza kupakiwa na kutumika kwenye jukwaa bila kubadilishwa.

Dataset ni mkusanyiko wa episode. Episode moja ni jaribio moja kamili la kazi, kutoka hali maalum ya kuanzia hadi mahali ulipoacha kurekodi. Kwenye diski, episode imegawanywa katika aina tatu za faili: faili la Parquet lenye stream za namba, faili la video moja kwa kila kamera, na metadata inayounganisha kila kitu pamoja.

Schema ya feature katika info.json ndiyo msimbo wa mafunzo husoma kuelewa data yako: funguo gani za uangalizi zipo, maumbo yao, na kiwango cha kurekodi. Dataset mbili zinapatana tu ikiwa schema zao zinalingana, ambacho ndicho hasa ukaguzi wa kuunganisha unaangalia.

Thamani za viungo ni asilimia, si digrii

Thamani zote za viungo kwenye dataset za AY-Robots zime-normalize kwa LeRobot: kila thamani inaanzia -100 hadi 100 na inawakilisha asilimia ya wigo wa kiungo hicho ulioratibiwa, si pembe kwa digrii. Usomaji wa 0 ndio katikati ya wigo ulioratibiwa, -100 na 100 ni mipaka yake.

Dataset za wingu kwenye dashibodi

Dashboard > Datasets huorodhesha dataset zako za wingu na hesabu za episode, ukubwa wa faili, na hali ya ukusanyaji. Dataset huundwa kiotomatiki wakati session ya teleoperesheni inarekodi data, na unaweza pia kuunda moja kwa uwazi na kuijaza kwa kupakia rekodi kutoka desktop client.

• Unda: dataset mpya zinaonekana kutoka session kiotomatiki, au unda moja tupu na upakie ndani yake.
• Badilisha jina: badilisha jina la kuonyesha wakati wowote; mabadiliko hayo hayagusi data yenyewe.
• Futa: huondoa dataset na episode zake zote na faili. Kufuta ni kwa kudumu, hivyo pakua nakala kwanza ikiwa unaweza kuhitaji data hiyo tena.

Kivinjari cha episode

Kufungua dataset hukupeleka kwenye kivinjari cha episode. Kila episode ina kicheza video kwa stream zake za kamera na chati za viungo zilizolandanishwa zinazopanga thamani za viungo zilizo-normalize kwa muda wote wa episode. Kusogeza video husogeza cursor ya chati pamoja nayo, jambo linalofanya iwe rahisi kuona matatizo: mkaribio usio laini huonekana kama miinuko kwenye chati, grasp iliyoshindwa huonekana kwenye channel ya gripper hata kabla hujaangalia video.

Lebo za episode: Success, Recovery, Failure

Kila episode inaweza kubeba moja ya lebo tatu. Success huweka alama ya maonyesho safi ya kazi. Recovery huweka alama ya episode ambapo kitu kilienda vibaya katikati ya jaribio na ukakirekebisha; hizi zina thamani kwa sababu hufundisha policy jinsi ya kurudi kwenye njia sahihi. Failure huweka alama ya episode zisizofikia lengo na kwa kawaida zinapaswa kutoolewa nje ya mafunzo. Kuweka lebo unapokagua ni nafuu zaidi kuliko kutatua policy iliyojifunza kimya kimya kutoka maonyesho mabaya.

Kuunganisha dataset

Kuunganisha huchanganya rekodi kadhaa kuwa dataset moja kubwa, kwa mfano wiki moja ya session kwenye kazi ile ile au rekodi kutoka mikono miwili iliyoratibiwa. Kuunganisha huchukua tar.gz archives kadhaa, kila moja ikiwa na dataset ya LeRobot, na kuzalisha dataset moja yenye episode zilizoorodheshwa upya.

1. 1
   Andaa archives

   Kila kinachoingizwa lazima kiwe dataset kamili ya LeRobot iliyofungwa kama tar.gz archive, ikiwemo directory yake ya meta. Archives zisizo kamili bila info.json haziwezi kuthibitishwa na hukataliwa.

2. 2
   Pakia archives kadhaa

   Katika Dashboard > Datasets, anzisha kuunganisha na uchague tar.gz archives zote unazotaka kuunganisha kwa hatua moja.

3. 3
   Uthibitishaji

   Jukwaa hukagua kama fps, schema ya feature, na robot_type vinalingana kati ya vinavyoingizwa vyote. Ikiwa yoyote kati ya vitatu vinatofautiana, kuunganisha hukataliwa na tofauti hiyo ikitajwa, kwa sababu dataset iliyoungana yenye stream zisizolingana ingeharibu mafunzo kimya kimya.

4. 4
   Kagua matokeo

   Dataset iliyounganishwa huonekana kwenye orodha yako ikiwa na hesabu ya episode iliyoungana. Fungua kivinjari cha episode na kagua kwa haraka episode chache kutoka kila chanzo kabla ya kufundisha nazo.

Kanuni tatu za uoanifu ni kali kwa makusudi. Tofauti za frame rate hubadilisha maana ya kila timestep, tofauti za schema huvunja loaders moja kwa moja, na kuchanganya aina za roboti huzalisha dataset ambayo hakuna policy moja inayoweza kufanya kazi nayo. Ukihitaji kuunganisha data kutoka mikono tofauti ya mfano ule ule, hakuna tatizo: robot_type inarejelea mfano, si kitengo halisi.

Soko la dataset

Soko hukuruhusu kununua dataset zilizorekodiwa na wengine na kuuza zako mwenyewe. Dataset zilizonunuliwa hufika kwenye dashibodi yako katika mpangilio ule ule wa LeRobot kama rekodi zako mwenyewe, hivyo hufanya kazi na kivinjari cha episode, kuunganisha, na mafunzo bila hatua za ziada.

Ukiuza, panga kabla ya kuorodhesha. Kagua episode, ziwe na lebo za uaminifu, na hakikisha mfuatano wa maneno ya kazi unaelezea kile kinachotokea hasa kwenye rekodi. Mnunuzi anayekagua dataset yako huona kivinjari cha episode kile kile unachokiona, na dataset zenye lebo safi na maonyesho thabiti zina thamani zaidi kuliko utupaji ghafi wa kila kitu ulichowahi kurekodi.

Maswali yanayoulizwa mara kwa mara