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"))
경사면의 각 → 슬립률의 분위수 회귀(구간 선형 기저, 핀볼 손실을 IRLS로, 2계 차분의 약한 벌칙).
quantiles 의 기본값은 0.05, 0.10, …, 0.95 의 19 단계. 절점은 각도의 분위점에 n_knots 개(데이터가 희소한 끝에절점을 너무 많이 두지 않는다). 적합 후 각도마다 분위수 곡선을 재정렬하여 교차를 없앤다(rearrangement). 잡음이 각도에 따라 변해도 그 각도의 띠 폭이 추종한다 —— 가우스 과정의 균일한 잡음과의 차이. calibrate > 0 이면 데이터의 그 비율을 교정용으로 떼어 두고(seed 로 정해지는 무작위 분할) 나머지로 적합하며, 양측 level 띠의 폭을 공형 예측으로 보정한다(Romano, Patterson & Candès 2019 의 CQR: 교정점마다 E = max(下端 − y, y − 上端)(下端 = 하단, 上端 = 상단) 을 취하고, 그 ⌈(n + 1) level⌉ / n 분위수만큼 띠를 양쪽으로 넓히거나 / 좁힌다). 교환 가능한 데이터라면 띠의 피복은 유한 표본에서 level 이상(각도별 피복이 아니라 전체 피복의 보장). IRLS 의 분위수 회귀는 표본 안에서 띠를 좁게 어림하기 쉬우므로(시작 측정에서 명목 90 % 에 82~91 %) 기본으로 넣는다. 반환값 {"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.