puck op• 데이터 종류: signal × signal × table × scalar → table
• 호출: import fullseye as fs; fs.ledger.puck_slide_predict(p0, v0, table: 'dict', t_end: 'float', *, model: 'str' = 'coulomb', max_bounces: 'int' = 50, goals: 'bool' = True, t0: 'float' = 0.0) -> 'dict'(구현을 직접 호출하려면 import puck; puck.puck_slide_predict(p0, v0, table: 'dict', t_end: 'float', *, model: 'str' = 'coulomb', max_bounces: 'int' = 50, goals: 'bool' = True, t0: 'float' = 0.0) -> 'dict', 원장에서 가져오려면 opsdrive.get("puck_slide_predict"))
퍽의 경로를 닫힌 식으로 잇습니다: 구간(벽에서 벽)마다 방향 일정·등감속, 벽에서 puck_wall_bounce.
시계: p₀·v₀ 는 시각 t0(기본 0)의 상태, t_end 는 거기서부터의 길이. 구간의 시각과 교점의 시각은 t0 를 포함한 절대 시각 (속도 추정의 t_ref 를 t0 로 넘기면 교점의 시각이 카메라의 시계로 나온다). model = "coulomb"(a = μg, 정지 있음)/ "viscous"(a = (c/m) v, Challenge 의 MJCF 의 감쇠)/ "none"(마찰 없음). 벽에 닿는 시각은 d(τ) = 필요 거리 의 닫힌 형태 해(이차 방정식 또는 로그). goals=True 이면 끝 벽의 |y| < goal_half 는골(거기서 끝남, event "goal"). 속도가 0 이 되면 "stop", 시간 초과는 "end". 반환값 {"segments": [{"t0","t1","p0","v0","u","s0","event"}, …], "t_end", "p_end", "v_end", "n_bounces", "events"}. 경로의 위치는 puck_state_at. 거울상법(puck_mirror_path, 마찰 없음·e = kₜ = 1)과 1e-9 로 일치(게이트).
• 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_air_hockey_intercept — py -3.11 examples/poc_air_hockey_intercept.py
table 를 입력으로 받는 것)course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same
puck)puck_table · puck_wall_bounce · puck_state_at · puck_crossing_point · puck_mirror_path · puck_stop_distance · puck_camera · puck_pinhole_camera
*Provenance: puck.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.