LLM IK

حل الحركيات العكسية مع نماذج لغة كبيرة

هذا المستودع هو توليد واختبار حلول الحركية العكسية الناتجة عن نماذج لغة كبيرة (LLMS) للسلاسل الحركية مع "المستجيب النهائي".

سمات

• يمكن تحميل ملفات urdf.
• يدعم كل من LLMs المستندة إلى الدردشة و API.
• يمكن حل في خمسة أوضاع.
  • طبيعي: يحاول مباشرة حل السلسلة.
  • تمديد: يحاول توسيع حل حالي لربط سلسلة واحدة أصغر من التيار.
  • ديناميكي: يحاول بناء الحل من السلاسل الفرعية التي تم حلها بالفعل.
  • التراكمي: مثل الديناميكي ولكن يمر جميع السلاسل الممكنة حلها.
  • النقل: يحاول أن تبني الحل لموضع وحل التوجه من الموضع فقط حلال.
• إن إغراق النماذج حيث يمكن أن تمتد النماذج الأكثر تكلفة أو بناءها ديناميكيًا من حلول النماذج الأرخص.

يثبت

1. الموصى به: إنشاء بيئة افتراضية python3 -m venv .venv .
   • تنشيط البيئة الافتراضية.
     • Windows: .venvScriptsactivate.bat .
     • Linux: .venvScriptsactivate.ps1 .
     • Mac: source .venv/bin/activate .
2. تثبيت جميع المتطلبات مع pip install -r requirements.txt .
3. إذا قمت بإجراء تجاربك الخاصة ، فمن المستحسن حذف جميع المجلدات في هذا المشروع ، باستثناء Robots أو Models ، ومجلدات Providers إذا كنت ترغب في استخدام بعض الروبوتات نفسها أو LLMs كما لدينا.
4. في دليل الجذر ، تأكد من وجود مجلد يدعى Robots ، ووضع ملفات urdf للروبوتات التي ترغب في استخدامها في الداخل.
5. في دليل الجذر ، تأكد من وجود مجلد مسمى Models ، ووضع جميع ملفات مواصفات LLM التي ترغب في استخدامها في الداخل كما هو مفصل في قسم النماذج.
6. اختياري: تنطبق هذه الخطوات فقط إذا كنت ترغب في استخدام واجهات برمجة التطبيقات المتوافقة مع API Openai.
   • في دليل الجذر ، تأكد من وجود مجلد يدعى Providers ، ووضع ملفات المواصفات المتوافقة مع API Openai التي ترغب في استخدامها في الداخل كما هو مفصل في قسم مقدمي الخدمات.
   • في دليل الجذر ، تأكد من وجود مجلد يسمى Keys ، وجعل ملفات .txt تسمى نفس ملفات المواصفات المتوافقة مع API Openai في مجلد Providers ولصق مفاتيح API المناسبة في كل منها.
7. قم بتشغيل llm_ik مع المعلمات الموضحة في قسم الاستخدام.
8. عرض النتائج في مجلد Results في دليل الجذر.

النماذج

• يتم تحديد النماذج في ملفات .txt في مجلد Models في دليل الجذر.
• اسم الملف هو ما سيظهر في النتائج.
• يمثل كل سطر من الملف معلومات حول الملف ، حيث يتم الحاجة فقط إلى السطر الأول للموديلات غير API.

شكل

1. إذا كان النموذج نموذجًا للمنطق أم لا ، يتم تحديده إما بواسطة True أو False وافتراضي False . إذا لم يكن نموذج التفكير ، فستتضمن المطالبات بيانًا "للتفكير خطوة بخطوة وإظهار كل عملك" لاستنباط بعض الفوائد من التفكير في سلسلة التفكير. خلاف ذلك ، تم حذف هذا ، لأن المنطق يقوم بالفعل بعملية مثل هذا داخليًا.
2. اسم "مزود" النموذج هو اسم ملف المواصفات المتوافق مع API OpenAI (بدون امتداد .txt ) لاستخدامه من مجلد Providers . راجع قسم مقدمي الخدمات لمعرفة كيفية تكوين هذه الملفات بأنفسهم.
3. تكلفة الإدخال لكل رمز من هذا النموذج. إذا كان غير محدد ، لا يمكن موروثة هذا النموذج بواسطة نماذج واجهة برمجة التطبيقات الأخرى.
4. تكلفة الإخراج لكل رمز من هذا النموذج. إذا كان غير محدد ، لا يمكن موروثة هذا النموذج بواسطة نماذج واجهة برمجة التطبيقات الأخرى.
5. إذا كان هذا النموذج يدعم استدعاء الوظيفة عبر API Openai ، يتم تحديده إما بواسطة True أو False and Leadaull إلى ما إذا كان مزوده يدعم الوظائف. يعد هذا مفيدًا لأن بعض مقدمي الخدمات ، مثل OpenRouter ، يدعم استدعاء الوظائف ، ولكن ليس كل النماذج التي يقدمونها أيضًا ، مما يتيح لك خيارًا لأداء التجاوز لكل نموذج. ومع ذلك ، إذا لم يدعم الموفر مكالمات الوظائف ، وتم تعيين هذا على True ، فإن تكوين الموفر سيتجاوز هذا الأمر إلى False ، بحيث لا يمكن استخدام هذا إلا لتعطيل استدعاء الوظيفة وعدم تمكينه. إذا كان هذا False ، يتم إضافة تفاصيل إضافية إلى المطالبة حتى لا تزال النماذج يمكنها الاتصال على طرق الاتصال ، وليس فقط من خلال وظائف Openai API وبدلاً من ذلك يتم تحليل استجابة الرسالة العادية.
6. اسم API لاستخدامه لهذا النموذج. إذا تم حذفه ، سيتم استخدام اسم الملف (بدون امتداد .txt ).

مقدمي الخدمات

• يتم تحديد مقدمي خدمات Openai API في ملفات .txt في مجلد Providers في دليل الجذر.

شكل

1. نقطة نهاية API للمزود.
2. إذا كان هذا النموذج يدعم استدعاء الوظيفة عبر API Openai ، والذي تم تحديده إما بواسطة True أو False ومتعثر False . إذا كان الموفر يدعم الأساليب ولكن لا يتم توضيح النموذج كما هو موضح في قسم النماذج ، فسيتم كتابة هذا إلى False في هذا النموذج فقط.

الاستخدام

الحجج

• -r أو --robots -أسماء الروبوتات. الافتراضات التي None والتي ستحمل جميع ملفات urdf من الروبوت في مجلد Robots .
• -m أو --max -الحد الأقصى لطول السلسلة للتشغيل. الافتراضيات إلى 0 مما يعني أنه لا يوجد حد.
• -o أو --orientation -إذا كنا نريد حل التوجه بالإضافة إلى الموقف. الافتراضات إلى True .
• -t أو --types -أعلى نوع حل لتشغيله. الإعدادات الافتراضية Transfer ، وهذا يعني أن جميع تشغيل.
• -f أو --feedbacks -عدد الأقصى لعدد المرات لتقديم ملاحظات. الافتراضات إلى 5 .
• -e أو --examples -عدد الأمثلة التي يجب تقديمها مع التعليقات. الافتراضات إلى 10 .
• -a أو --training -عدد عينات التدريب. الإعدادات الافتراضية إلى 1000 .
• -v أو --evaluating -عدد العينات تقييم. الإعدادات الافتراضية إلى 1000 .
• -s أو --seed -بذرة توليد العينات. الافتراضات إلى 42 .
• -d أو --distance -خطأ المسافة المقبول. الافتراضات إلى 0.001 .
• -n أو --angle -خطأ الزاوية المقبول. الافتراضات إلى 0.001 .
• -c أو --cwd -دليل العمل. الافتراضات إلى None يحصل على دليل العمل الحالي.
• -l أو --logging -مستوى التسجيل. الإعدادات الافتراضية INFO .
• -w أو --wait -كم من الوقت للانتظار بين مكالمات API. الافتراضات إلى 1 ثانية.
• -u أو --run -flag -تمكين تشغيل API.
• -b أو --bypass -العلم -تجاوز التأكيد على تشغيل API.

الدردشة اليدوية

• إذا كانت الدردشة يدويًا مع LLM ، بعد الجري ، ابحث في مجلد Interactions حتى تجد الروبوت والنموذج وحلك تبحث عنه.
• انسخ آخر X-Prompt.txt أو X-Feedback.txt أو X-Forward.txt أو X-Test.txt في واجهة الدردشة الخاصة بك وانتظر استجابة حيث X عبارة عن رقم.
  • انسخ الاستجابة بأكملها ، وليس فقط الرمز. سيبحث البرنامج عن كتلة رمز Python لاستخراجها من الاستجابة ، لذلك إذا قمت باستخراج هذا الرمز يدويًا ، فلن يتعرف عليه البرنامج.
• بمجرد استلام استجابة ، قم بعمل ملف نصي يسمى X-Response.txt حيث X هو الرقم التالي لسجل الدردشة وقم بتشغيل البرنامج مرة أخرى. كرر الخطوة السابقة وهذا حتى يظهر ملف يسمى X-Done.txt حيث X هو رقم.