メインコンテンツまでスキップ

HDF5データセット

HDF5（階層型データフォーマットバージョン5）は、エンボディド・インテリジェンス分野で広く使用されている効率的かつ柔軟なデータ保存形式です。階層構造（グループとデータセット）により、複雑なマルチモーダルデータの整理・管理が容易であり、効率的なデータの読み書きやクロスプラットフォームでの共有をサポートします。

HDF5データのインポート​

エンボディド・インテリジェンス分野では、HDF5ファイルの構造や命名規則はデバイスメーカーによって異なります。本プラットフォームは主流の外部データ取得システム（例：松菱Piper）と互換性があり、関連するHDF5ファイルを直接インポートして可視化できます。

ご利用のHDF5データがまだ対応していない場合は、データ構造の詳細をお知らせください。迅速にプラットフォームを適応させ、マルチモーダルデータのシームレスな可視化、アノテーション、エクスポートを実現します。

HDF5データのエクスポート​

プラットフォームは、アノテーション済みデータをmcap、bag、hdf5などの形式でHDF5ファイルにエクスポートでき、機械学習モデルのトレーニングに役立ちます。アノテーション時には、アクションが自然言語指示と紐付けられ、VLAモデルが言語コマンドを理解・実行できるようにします。

アノテーション操作については、データアノテーションをご参照ください。

アノテーション後、エクスポート画面で必要なデータサブセットを選択できます。

エクスポートするデータを選択

  • グループ数: 各HDF5ファイルに含まれる元ファイル数を設定します。1対1対応の場合は1に設定してください。
  • データ更新レート: 1秒あたりのデータ取得回数を制御し、ファイルサイズに影響します。

エクスポート後、インターフェースで結果を確認できます。

エクス��ポート結果を表示

ダウンロードしたデータを読み込むことができます。

エクスポートされたデータ構造の説明​

エクスポートされたHDF5ファイルは元ファイルグループごとに命名され（例：chunk_001.hdf5）、ツリー構造で整理されています。

  • ルートグループ（/）**: 最上位ディレクトリ
  • サブグループ: /data、/metaなど
    • /data配下はアノテーションタスクのシーケンスごとにサブグループ（例：episode_001、episode_002）が分かれます
  • データセット: /data/episode_001など
    • 属性:
      • task: アノテーションされた自然言語（英語）
      • task_zh: アノテーションされた自然言語（中国語）
      • score: アクション品質スコア
    • 格納データ:
      • action: 発行されたジョイントコマンド（多次元配列）
      • observation.images.*: 各視点からの圧縮画像（JPEG）
      • observation.state: センサー観測値（多次元配列）
      • observation.gripper: グリッパーの閉じ具合観測値（多次元配列）

構造例：

HDF5 "./chunk_001.hdf5" {
FILE_CONTENTS {
 group      /
 group      /data
 group      /data/episode_001
 dataset    /data/episode_001/action
 dataset    /data/episode_001/observation.gripper
 dataset    /data/episode_001/observation.images.camera_01
 dataset    /data/episode_001/observation.images.camera_02
 dataset    /data/episode_001/observation.images.camera_03
 dataset    /data/episode_001/observation.images.camera_04
 dataset    /data/episode_001/observation.state
 group      /data/episode_002
 dataset    /data/episode_002/action
 dataset    /data/episode_002/observation.gripper
 dataset    /data/episode_002/observation.images.camera_01
 dataset    /data/episode_002/observation.images.camera_02
 dataset    /data/episode_002/observation.images.camera_03
 dataset    /data/episode_002/observation.images.camera_04
 dataset    /data/episode_002/observation.state
 ......
 group      /meta
 }
}

HDF5ファイルの読み込み例​

Pythonのh5pyライブラリを使用してHDF5ファイルを読み書きすることを推奨します。基本的な使い方は以下の通りです。

import h5py

# HDF5ファイルを読み取り専用で開く
with h5py.File('chunk_001.hdf5', 'r') as f:
    # 最上位グループを表示
    print("Top-level groups:", list(f.keys()))
    
    # /data/episode_001グループ配下のデータセットにアクセス
    episode_001 = f['/data/episode_001']
    print("Datasets under episode_001:", list(episode_001.keys()))
    
    # actionデータセットを読み込む
    action_data = episode_001['action'][:]
    print("Action data:", action_data)

活用シーンとメリット​

HDF5形式はエンボディド・インテリジェンス分野で以下のメリットがあります。

  • 大規模なマルチモーダルデータ（高解像度画像、センサーデータなど）の保存に対応
  • 内蔵データ圧縮機能でストレージ容量を節約
  • クロスプラットフォーム互換性によりデータ共有・移行が容易
  • 柔軟な階層構造で複雑なタスクや多様なデータ管理に適応

HDF5構造を適切に設計し、プラットフォームツールを活用することで、エンボディド・インテリジェンス関連の複雑なデータを効率的に管理・処理でき、研究やモデル学習を強力にサポートします。