slip_gp_fit — DRIVE `roverslip` op

• データ種: signal × signal → table

• 呼び出し: import fullseye as fs; fs.ledger.slip_gp_fit(slopes, slips, length_scales=None, noise_levels=None) -> 'dict' (実装を直接呼ぶなら import roverslip; roverslip.slip_gp_fit(slopes, slips, length_scales=None, noise_levels=None) -> 'dict'、台帳から引くなら opsdrive.get("slip_gp_fit"))

使い方

斜面の角 → 滑り率のガウス過程(RBF の核 + 一様な観測雑音)。超パラメータは対数周辺尤度の格子探索。

y は平均を引いて標準偏差で割ってから当てはめる(信号の分散 σ_f² = 1 に固定、ℓ と雑音 σ_n を探す)。

`length_scales の既定は角の範囲の 0.05〜2 倍の 16 段(対数)、noise_levels` は 0.01〜1(正規化した y の単位)の

16 段。返り値は予測に使う dict(`kind = "gp"、x・alpha・L・ell・noise・y_mean・y_scale`・

`log_marginal_likelihood`)。雑音が角によって変わる(異分散)データでは、帯は全体の平均の幅になる(門の罠)。

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_rover_slip_risk_path — py -3.11 examples/poc_rover_slip_risk_path.py

型が繋がる次の op(`table` を入力に取れる)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

同カテゴリ(`roverslip`)

bekker_pressure · bekker_wheel_sinkage · wheel_forces · wheel_sinkage · wheel_traction_curve · slope_slip_curve · ground_shift_track · odometry_slip

*Provenance: roverslip.py — DRIVE operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

slip_gp_fit — DRIVE roverslip op

使い方

参考(サンプルデータ・文献)

実行できる例(この op を実際に呼ぶ検証済みサンプル)

型が繋がる次の op(table を入力に取れる)

同カテゴリ(roverslip)

slip_gp_fit — DRIVE `roverslip` op

型が繋がる次の op(`table` を入力に取れる)

同カテゴリ(`roverslip`)