LLM IK

Resolver la cinemática inversa con modelos de idiomas grandes

Este repositorio es para generar y probar las soluciones de cinemática inversa generadas por modelos de lenguaje grande (LLM) para cadenas cinemáticas con un solo "efector final".

Características

• Puede cargar archivos URDF.
• Admite LLMS basados ​​en chat y basados ​​en API.
• Puede resolver en cinco modos.
  • Normal: intenta directamente resolver la cadena.
  • Extender: intenta extender una solución existente para una cadena un enlace más pequeño que la corriente.
  • Dynamic: intenta basar la solución de las subcalvas ya resueltas.
  • Acumulativo: como dinámico pero pasa todas las cadenas de suiones resueltas posibles.
  • Transferencia: trata de basar la solución para una posición y solucionador de orientación fuera de un solucionador de posición solo.
• Hervir a modelos donde los modelos más caros pueden extenderse o construir dinámicamente a partir de las soluciones de modelos más baratos.

Configuración

1. Recomendado: cree un entorno virtual python3 -m venv .venv .
   • Activar el entorno virtual.
     • Windows: .venvScriptsactivate.bat .
     • Linux: .venvScriptsactivate.ps1 .
     • Mac: source .venv/bin/activate .
2. Instale todos los requisitos con pip install -r requirements.txt .
3. Si realiza sus propios experimentos, se recomienda eliminar todas las carpetas en este proyecto, excepto los Robots o Models , y las carpetas Providers si desea usar algunos de los mismos robots o LLM que tenemos.
4. En el directorio raíz, asegúrese de que haya una carpeta llamada Robots y coloque los archivos URDF de los robots que desea usar dentro.
5. En el directorio raíz, asegúrese de que haya una carpeta con nombre Models y coloque todos sus archivos de especificación LLM que desee usar dentro como se detalla en la sección Modelos.
6. Opcional: estos pasos solo se aplican si desea utilizar API compatibles con API de OpenAI.
   • En el directorio raíz, asegúrese de que haya una carpeta llamada Providers y coloque sus archivos de especificación compatible con API OpenAI que desea usar dentro como se detalla en la sección de proveedores.
   • En el directorio raíz, asegúrese de que haya una carpeta con Keys llamadas y haga que los archivos .txt se denominen los mismos que los archivos de especificación compatible con la API de OpenAI en la carpeta Providers y pegue las teclas API apropiadas en cada una.
7. Ejecute llm_ik con los parámetros descritos en la sección de uso.
8. Vea los resultados en la carpeta de Results en el directorio raíz.

Modelos

• Los modelos se especifican en archivos .txt en la carpeta Models en el directorio raíz.
• El nombre del archivo es lo que aparecerá en los resultados.
• Cada línea del archivo representa información sobre el archivo, con solo la primera línea necesaria para modelos no API.

Formato

1. Si el modelo es un modelo de razonamiento o no, especificado por True o False y predeterminado a False . Si no es un modelo de razonamiento, las indicaciones incluirán una declaración para "pensar paso a paso y mostrar todo su trabajo" para obtener algunos beneficios del pensamiento de la cadena de pensamiento. De lo contrario, esto se omite, ya que el razonamiento ya realiza un proceso como este internamente.
2. El nombre del "proveedor" del modelo es el nombre del archivo de especificación compatible de la API de OpenAI (sin la extensión .txt ) para usar en la carpeta Providers . Consulte la sección de proveedores sobre cómo configurar estos archivos ellos mismos.
3. El costo de entrada por token de este modelo. Si no se especifica, este modelo no puede ser heredado por otros modelos API.
4. El costo de salida por token de este modelo. Si no se especifica, este modelo no puede ser heredado por otros modelos API.
5. Si este modelo admite la llamada de función a través de la API de OpenAI, especificada por True o False y por defecto si su proveedor admite funciones. Esto es útil ya que algunos proveedores, como OpenRouter, admiten llamadas de funciones, pero no todos los modelos que proporcionan también hacen, lo que le brinda una opción para realizar una anulación por modelo. Sin embargo, si el proveedor no admite las llamadas de funciones y esto se establece en True , la configuración del proveedor anulará esto a False , por lo que esto solo puede usarse para deshabilitar las llamadas de funciones y no habilitarlo. Si esto es False , se agregan detalles adicionales a la solicitud para que los modelos aún puedan llamar a los métodos, simplemente no a través de las funciones de la API de OpenAI y, en cambio, se analiza la respuesta regular del mensaje.
6. El nombre de la API para usar para este modelo. Si se omite, se utilizará el nombre del archivo (sin la extensión .txt ).

Proveedores

• Los proveedores compatibles con API de OpenAI se especifican en archivos .txt en la carpeta Providers en el directorio raíz.

Formato

1. El punto final API del proveedor.
2. Si este modelo admite la llamada de función a través de la API de OpenAI, especificada por True o False y por defecto a False . Si el proveedor admite métodos, pero un modelo no se explica en la sección Modelos, esto se False solo para ese modelo.

Uso

Argumentos

• -r o --robots -los nombres de los robots. Predeterminado a None que cargará todos los archivos ROBOT URDF en la carpeta Robots .
• -m o --max -la longitud máxima de la cadena para funcionar. El valor predeterminado es 0 lo que significa que no hay límite.
• -o o --orientation -si queremos resolver la orientación además de la posición. El valor predeterminado es True .
• -t o --types -el tipo de resolución más alto para ejecutar. Los valores predeterminados se Transfer , lo que significa que todos están ejecutados.
• -f o --feedbacks : el número máximo de veces para dar retroalimentación. El valor predeterminado a 5 .
• -e o --examples : el número de ejemplos para dar con comentarios. El valor predeterminado a 10 .
• -a o --training -el número de muestras de entrenamiento. El valor predeterminado a 1000 .
• -v o --evaluating -el número de muestras de evaluación. El valor predeterminado a 1000 .
• -s o --seed -La semilla de generación de muestras. El valor predeterminado es 42 .
• -d o --distance -El error de distancia aceptable. El valor predeterminado es 0.001 .
• -n o --angle -El error de ángulo aceptable. El valor predeterminado es 0.001 .
• -c o --cwd -el directorio de trabajo. Predeterminado a None que obtenga el directorio de trabajo actual.
• -l o --logging -el nivel de registro. Ponal predeterminado a INFO .
• -w o --wait -¿Cuánto tiempo esperar entre las llamadas API? El valor predeterminado a 1 segundo.
• -u o --run -Flag -Habilitar la ejecución de API.
• -b o - --bypass -Bander -Evite la confirmación para la ejecución de API.

Chat manual

• Si chatea manualmente con un LLM, después de ejecutar, mire en la carpeta de Interactions hasta que encuentre el robot, el modelo y la resolución que está buscando.
• Copie el último X-Prompt.txt , X-Feedback.txt , X-Forward.txt o X-Test.txt en su interfaz de chat y espere una respuesta donde X es un número.
  • Copie la respuesta completa, no solo el código. El programa buscará un bloque de código Python para extraer de la respuesta, por lo que si extrae manualmente este código, el programa no lo reconocerá.
• Una vez que se recibió una respuesta, haga un archivo de texto llamado X-Response.txt donde X es el siguiente número para el historial de chat y ejecute el programa nuevamente. Repita el paso anterior y esto hasta que un archivo llamado X-Done.txt aparezca donde X es un número.