mapf_cbs — DRIVE `agv` op

• Data kinds: image2d → table

• Call: import fullseye as fs; fs.ledger.mapf_cbs(grid, starts, goals, max_nodes=20000, horizon=None) (implementation को सीधे call करना हो तो import agvfleet; agvfleet.mapf_cbs(grid, starts, goals, max_nodes=20000, horizon=None), registry से लेना हो तो opsdrive.get("mapf_cbs"))

उपयोग

Conflict-Based Search (Sharon, Stern, Felner, Sturtevant 2015)। कुल cost में optimal, टक्कर-रहित plan।

ऊपरी स्तर "एक टकराव चुनकर दो वाहनों में से एक पर बाधा जोड़ने" वाले द्विआधारी वृक्ष की best-first खोज है, निचला स्तर एक वाहन का स्थान-काल A* है। रिटर्न dict: paths (प्रत्येक वाहन के खानों का क्रम), cost (sum of costs), nodes (विस्तारित नोडों की संख्या), solved। नोड-सीमा पहुँचने पर solved=False (चुपचाप गैर-इष्टतम हल नहीं लौटाता)।

संदर्भ (sample data, साहित्य)

• 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।

चलाए जा सकने वाले उदाहरण (verified samples जो सच में यह op call करते हैं)

• poc_agv_fleet — py -3.11 examples/poc_agv_fleet.py

वे अगले ops जिनसे type जुड़ता है (`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

इसी category के (`agv`)

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

*Provenance: agvfleet.py — DRIVE operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*

mapf_cbs — DRIVE agv op