slip_quantile_fit — DRIVE `roverslip` op

• Datenarten: signal × signal → table

• Aufruf: 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' (die Implementierung direkt: 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'; aus dem Register: opsdrive.get("slip_quantile_fit"))

Verwendung

Quantilsregression vom Hangwinkel zum Schlupf (stückweise lineare Basis, Pinball-Verlust per IRLS, schwacher Strafterm auf 2. Differenzen).

Standard für quantiles sind 19 Stufen 0.05, 0.10, …, 0.95. n_knots Knoten werden an Quantilen des Winkels platziert (um an den datenarmen Enden nicht zu viele Knoten zu setzen). Nach der Anpassung werden die Quantilskurven je Winkel sortiert, um Überkreuzungen zu beseitigen (rearrangement). Auch wenn das Rauschen mit dem Winkel variiert, folgt die Bandbreite bei diesem Winkel — der Unterschied zum gleichförmigen Rauschen des Gauß-Prozesses. Bei calibrate > 0 wird dieser Anteil der Daten zur Kalibrierung zurückgehalten (eine durch seed bestimmte Zufallsaufteilung), mit dem Rest angepasst, und die Breite des zweiseitigen level-Bandes durch konforme Vorhersage korrigiert (CQR nach Romano, Patterson & Candès 2019: für jeden Kalibrierpunkt E = max(下端 − y, y − 上端) (下端 = unteres Ende, 上端 = oberes Ende) bilden und das Band beidseitig um dessen ⌈(n + 1) level⌉ / n-Quantil verbreitern / verschmälern). Bei austauschbaren Daten beträgt die Bandabdeckung in endlichen Stichproben mindestens level (eine Garantie der Gesamtabdeckung, nicht der Abdeckung je Winkel). IRLS-Quantilsregression schätzt das Band in der Stichprobe tendenziell zu schmal (82–91 % bei nominal 90 % in Prototypmessungen), daher standardmäßig aktiviert. Rückgabe {"kind": "quantile", "quantiles", "knots", "coef": (段, 節点), "conformal": {level: 幅の補正}}.

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• poc_rover_slip_risk_path — py -3.11 examples/poc_rover_slip_risk_path.py

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

Gleiche Kategorie (`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. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

slip_quantile_fit — DRIVE roverslip op