roverslip op• Data kinds: signal × signal → table
• Call: 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' (implementation को सीधे call करना हो तो 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', registry से लेना हो तो opsdrive.get("slip_quantile_fit"))
slope कोण → slip ratio का quantile regression (piecewise-linear basis, pinball loss को IRLS से, 2nd क्रम के difference पर हल्का penalty)।
quantiles का डिफ़ॉल्ट 0.05, 0.10, …, 0.95 के 19 स्तर है। n_knots गाँठें कोण के क्वांटाइल-बिंदुओं पर रखी जाती हैं (डेटा के विरल सिरों पर बहुत अधिक गाँठें न रखने के लिए)। फ़िट करने के बाद, प्रत्येक कोण पर क्वांटाइल वक्रों को पुनः क्रमित करके प्रतिच्छेदन हटाए जाते हैं (rearrangement)। शोर कोण के साथ बदले तब भी उस कोण पर बैंड की चौड़ाई उसका अनुसरण करती है —— गॉसीय प्रक्रिया के एकसमान शोर से यही अंतर है। calibrate > 0 हो तो डेटा का वह अंश अंशांकन के लिए अलग रखा जाता है (seed से निर्धारित यादृच्छिक विभाजन), शेष से फ़िट किया जाता है, और द्विपक्षीय level बैंड की चौड़ाई को अनुरूप (conformal) पूर्वानुमान से सुधारा जाता है (Romano, Patterson & Candès 2019 का CQR: प्रत्येक अंशांकन बिंदु पर E = max(下端 − y, y − 上端) (下端 = निचला सिरा, 上端 = ऊपरी सिरा) लेकर, उसके ⌈(n + 1) level⌉ / n क्वांटाइल जितना बैंड को दोनों ओर चौड़ा / संकरा करना)। विनिमेय डेटा में परिमित नमूनों में बैंड का आवरण level या अधिक होता है (यह कुल आवरण की गारंटी है, प्रति-कोण आवरण की नहीं)। IRLS क्वांटाइल प्रतिगमन नमूने के भीतर बैंड को संकरा आँकने की प्रवृत्ति रखता है (प्रोटोटाइप माप में नाममात्र 90 % पर 82–91 %), इसलिए यह डिफ़ॉल्ट रूप से चालू है। लौटाता है {"kind": "quantile", "quantiles", "knots", "coef": (段, 節点), "conformal": {level: 幅の補正}}।
• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।
• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।
• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।
• poc_rover_slip_risk_path — py -3.11 examples/poc_rover_slip_risk_path.py
table को input के रूप में लेते हैं)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 operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.