机器人持续学习基准LIBERO系列9——数据集轨迹查看

本文介绍了如何在LIBERO系列中进行机器人持续学习的基准测试,包括获取轨迹文件路径,处理HDF5文件结构,以及使用手外相机生成重放视频的步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

0.前置

1.获取轨迹文件路径有关包

from libero.libero import benchmark, get_libero_path
import os

2.初始化类和任务

  • 用来获取轨迹文件文件名
benchmark_instance = benchmark.get_benchmark_dict()["libero_10"]()
num_tasks = benchmark_instance.get_num_tasks()

3.生成轨迹文件路径

datasets_default_path = get_libero_path("datasets")
print(datasets_default_path)
demo_files = [os.path.join(datasets_default_path, benchmark_instance.get_task_demonstration(i)) \
              for i in range(num_tasks)]
print(demo_files)
  • demo_files是由hdf5文件路径组成的列表

4.重放轨迹有关包

import h5py
from libero.libero.utils.dataset_utils import get_dataset_info
from IPython.display import HTML
import imageio

5.轨迹hdf5文件结构

  • demo_0:n步
    • actions:(n,7)
    • dones:(n,)
    • obs
      • agentview_rgb:(n,128,128,3)
      • ee_ori:(n,3)
      • ee_pos:(n,3)
      • ee_states:(n,6)
      • eye_in_hand_rgb:(n,128,128,3)
      • gripper_states:(n,2)
      • joint_states:(n,7)
    • rewards:(n,)
    • robot_states:(329,47)
  • demo_1

6.使用手外相机生成重放视频

example_demo_file = demo_files[9]
# Print the dataset info. We have a standalone script for doing the same thing available at `scripts/get_dataset_info.py`
get_dataset_info(example_demo_file)

with h5py.File(example_demo_file, "r") as f:
    images = f["data/demo_0/obs/agentview_rgb"][()]

video_writer = imageio.get_writer("output.mp4", fps=60)
for image in images:
    video_writer.append_data(image[::-1])
video_writer.close()

HTML("""
    <video width="640" height="480" controls>
        <source src="output.mp4" type="video/mp4">
    </video>
    <script>
        var video = document.getElementsByTagName('video')[0];
        video.playbackRate = 2.0; // Increase the playback speed to 2x
        </script>    
""")

在这里插入图片描述

### 关于私有数据集的定义与管理 私有数据集通常是指仅限特定授权人员或系统访问的数据集合,其主要目标是保护敏感信息不被未经授权的实体获取或篡改。为了确保数据的安全性和一致性,可以采用多种技术和策略来管理和使用这些数据。 #### 私有数据集的核心特性 私有数据集的设计原则在于通过严格的权限控制机制限制外部访问,从而保障数据安全和隐私[^1]。这种设计不仅适用于软件开发中的类成员方法,也广泛应用于数据存储领域。 #### 数据标注工具的应用 对于尚未标注的私有数据集,推荐使用 **doccano** 这样的开源数据标注工具完成初步处理工作。该工具有助于将原始数据转化为结构化形式,并支持导出至各种常见机器学习框架所需的输入格式[^2]。具体操作流程包括但不限于创建项目、导入文件以及分配任务给团队成员执行标记作业等环节。 #### 转换脚本实例 当需要将某种特殊格式(如Libero)转换为目标模型所需的标准格式时,可利用专门编写的Python脚本来实现自动化迁移过程。下面展示了一个简单的命令行调用方式用于启动此类转换程序: ```bash uvicorn run examples/libero/convert_libero_data_to_lerobot.py --data_dir /path/to/your/data ``` 此代码片段展示了如何运行一个名为`convert_libero_data_to_lerobot.py` 的 Python 文件来进行数据格式转换[^4]。 #### 使用云服务增强效率 针对大规模数据分析需求场景下,则建议考虑引入像 华为云 GaussDB(DWS)这样的云端解决方案。作为一种高度集成化的OLAP引擎产品,它能够帮助企业快速搭建起具备高可用特性的企业级数仓环境,同时兼容主流关系型数据库语法体系以便降低迁移成本[^3]。 ### 结论 综上所述,在实际工程实践中合理运用上述提到的技术手段可以帮助我们更好地构建和完善属于自己的私密性质资料库;既满足业务层面的功能诉求又能有效规避潜在风险隐患。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

阿航626

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值