PickApp

使用 UR5 机器人机械手和 3 指欠驱动夹持器执行苹果采摘实验的软件包。

接触

Alejandro Velasquez
velasale@oregonstate.edu
机器人学博士生

描述

该软件包采用机器人机械手 UR5e 和机器人夹持器作为末端执行器执行的苹果采摘数据集。采摘是在真实的树和模拟苹果树物理特性的苹果代理中执行的。因此，此软件包对用户有用：

• 比较真实和代理选择的时间序列图。
• 获取有关实验的统计信息，例如笛卡尔和角噪声的分布。
• 做基本的机器学习来检查 - 使用给定的数据 - 是否可以训练分类器并预测选择的结果（例如成功，失败）。

有关简要使用说明，请键入：

$ python compare_pics.py --help
$ python machine_learning.py --help
$ python metadata_stats.py --help 

例子

模块：compare_picks.py

以下示例分析了“失败”选择案例中的变量“Force_x”，并在“选择”阶段进行了动态时间规整 (DTW) 分析。

$ python compare_picks.py --variable force_z --case failed --phase pick

它输出一个时间序列图，其中包含最接近的真实和代理选择。它还输出一个 .csv 文件，其中包含可比较的真实和代理选择列表。类似的选择是机器人相对于苹果的姿势相同的选择。这些文件存储在子文件夹results中。

模块：machine_learning.py

下面的示例运行一个随机森林分类器 (RFC)，有 10 个实验来说明分类器的随机性，深度为 5 个分支，并利用 5 个特征。

$ python machine_learning.py --experiments 10 --depth 5 --feature 5 --classifier rfc 

它在实验期间输出具有分类器精度的箱线图。箱线图与具有最佳精度的混淆矩阵的 .txt 文件一起存储在 .pdf 文件中。这些文件存储在子文件夹results中。

模块：metadata_stats.py

在以下示例中，针对数据集3_proxy_winter22_x1运行统计分析。

$ python metadata_stats.py --dataset 3_proxy_winter22_x1

它输出带有角度和笛卡尔噪声箱线图的 .pdf。它还输出一个 .txt 文件，其中包含每个噪声的平均值、标准差和百分位数。这些文件存储在子文件夹results中。

x_noises
Mean: -0.012SD: 0.014Percentiles: [-0.02  -0.01   0.003]
y_noises
Mean: -0.005SD: 0.01Percentiles: [-0.015 -0.007  0.   ]
z_noises
Mean: -0.012SD: 0.006Percentiles: [-0.015 -0.01  -0.005]
roll_noises
Mean: -4.846SD: 12.74Percentiles: [-10.  -5.   5.]
pitch_noises
Mean: -4.382SD: 12.627Percentiles: [-10.   0.   5.]
yaw_noises
Mean: 0.0SD: 0.0Percentiles: [0. 0. 0.]

安装

提示

编写更好函数的提示
https://pybit.es/articles/writing-better-functions/

Git 备忘单
https://education.github.com/git-cheat-sheet-education.pdf

MarkDown 备忘单
https://www.markdownguide.org/cheat-sheet/