roverslip op• 데이터 종류: signal × signal → table
• 호출: import fullseye as fs; fs.ledger.slip_gp_fit(slopes, slips, length_scales=None, noise_levels=None) -> 'dict'(구현을 직접 호출하려면 import roverslip; roverslip.slip_gp_fit(slopes, slips, length_scales=None, noise_levels=None) -> 'dict', 원장에서 가져오려면 opsdrive.get("slip_gp_fit"))
경사면의 각 → 슬립률의 가우스 과정(RBF 커널 + 균일한 관측 잡음). 초매개변수는 로그 주변 우도의 격자 탐색.
y 는 평균을 빼고 표준편차로 나눈 뒤 적합한다(신호의 분산 σ_f² = 1 로 고정, ℓ 과 잡음 σ_n 을 탐색). length_scales 의 기본값은 각도 범위의 0.05~2 배의 16 단계(로그), noise_levels 는 0.01~1(정규화한 y 의 단위)의 16 단계. 반환값은 예측에 쓰는 dict(kind = "gp", x, alpha, L, ell, noise, y_mean, y_scale, log_marginal_likelihood). 잡음이 각도에 따라 변하는(이분산) 데이터에서는 띠가 전체 평균의 폭이 된다(관문의 함정).
• 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.
• gallery_drive_soil_tactile — py -3.11 examples/gallery_drive_soil_tactile.py
• 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.