roverslip op• 데이터 종류: signal × signal → table
• 호출: import fullseye as fs; fs.ledger.slip_quantile_fit(slopes, slips, quantiles=None, n_knots: 'int' = 6, smooth: 'float' = 0.001, iters: 'int' = 200, calibrate: 'float' = 0.25, level: 'float' = 0.9, seed: 'int' = 0) -> 'dict'(구현을 직접 호출하려면 import roverslip; roverslip.slip_quantile_fit(slopes, slips, quantiles=None, n_knots: 'int' = 6, smooth: 'float' = 0.001, iters: 'int' = 200, calibrate: 'float' = 0.25, level: 'float' = 0.9, seed: 'int' = 0) -> 'dict', 원장에서 가져오려면 opsdrive.get("slip_quantile_fit"))
> 이 연산자의 설명은 아직 번역이 없습니다. 원문을 그대로 싣습니다.
斜面の角 → 滑り率の分位点回帰(区分線形の基底、ピンボール損失を IRLS で、2 階差分の弱い罰則)。
`quantiles の既定は 0.05, 0.10, …, 0.95 の 19 段。節点は角の分位点に n_knots` 個(データの疎な端に
節点を置きすぎない)。当てはめの後、角ごとに分位点の曲線を並べ替えて交差を消す(rearrangement)。
雑音が角で変わってもその角の帯の幅が追従する —— ガウス過程の一様な雑音との違い。
`calibrate > 0 なら、データのその割合を較正用に取り分けて(seed` で決まる無作為の分割)残りで当てはめ、
両側 `level` の帯の幅を共形予測で補正する(Romano, Patterson & Candès 2019 の CQR: 較正点ごとに
`E = max(下端 − y, y − 上端) を取り、その ⌈(n + 1) level⌉ / n` 分位点だけ帯を両側に広げる / 狭める)。
交換可能なデータなら帯の被覆は有限標本で `level` 以上(角ごとの被覆ではなく全体の被覆の保証)。
IRLS の分位点回帰は標本の中で帯を狭く見積もりがち(試作の測りで名目 90 % に 82〜91 %)なので既定で入れる。
返り値 `{"kind": "quantile", "quantiles", "knots", "coef": (段, 節点), "conformal": {level: 幅の補正}}`。
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• poc_rover_slip_risk_path — py -3.11 examples/poc_rover_slip_risk_path.py
table 를 입력으로 받는 것)course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same
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 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.