adg_build — DRIVE `agv` op

• Datenarten: table → table

• Aufruf: import fullseye as fs; fs.ledger.adg_build(paths) (die Implementierung direkt: import agvfleet; agvfleet.adg_build(paths); aus dem Register: opsdrive.get("adg_build"))

Verwendung

Aktionsabhängigkeitsgraph (Hönig, Kiesel, Tinka, Durham, Ayanian 2019).

Die Aktionen jedes Fahrzeugs = "in die k-te Zelle seiner Folge besuchter Zellen einfahren". Es gibt zwei Arten von Abhängigkeiten:

(1) die vorherige Aktion desselben Fahrzeugs, (2) dass ein anderes Fahrzeug, das dieselbe Zelle früher nutzt, diese Zelle verlässt (zeitliche Reihenfolge des Plans).

Rückgabe ist ein dict: cells (Zellfolge jedes Fahrzeugs), deps ((i, k) → Menge der (j, m), die vorher abgeschlossen sein müssen). Enthält der Plan Kollisionen, ValueError (die Richtung der Abhängigkeit ist nicht bestimmbar).

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_agv_fleet — py -3.11 examples/poc_agv_fleet.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

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

Gleiche Kategorie (`agv`)

warehouse_grid · grid_distances · mapf_cbs · mapf_ecbs · mapf_joint_astar · mapf_prioritized · plan_conflicts · plan_cost

*Provenance: agvfleet.py — DRIVE Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

adg_build — DRIVE agv op