adg_build — DRIVE agv op

• 데이터 종류: table → table

• 호출: import fullseye as fs; fs.ledger.adg_build(paths)(구현을 직접 호출하려면 import agvfleet; agvfleet.adg_build(paths), 원장에서 가져오려면 opsdrive.get("adg_build"))

사용법

행동 의존 그래프(Hönig, Kiesel, Tinka, Durham, Ayanian 2019).

각 차량의 행동 = "방문하는 칸의 열 중 k 번째에 들어간다". 의존은 2 종류:

(1) 같은 차량의 이전 행동, (2) 같은 칸을 먼저 사용하는 다른 차량이 그 칸을 나가는 것(계획의 시각 순).

반환은 dict: cells(각 차량의 칸의 열), deps((i, k) → 그보다 먼저 끝나야 할 (j, m) 의 집합). 계획에 충돌이 있으면 ValueError(의존의 방향이 정해지지 않는다).

참고(샘플 데이터·문헌)

• 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.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• poc_agv_fleet — py -3.11 examples/poc_agv_fleet.py

타입이 이어지는 다음 연산자(table 를 입력으로 받는 것)

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

같은 카테고리(agv)

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

*Provenance: agvfleet.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.