LLM IK

Resolvendo a cinemática inversa com grandes modelos de linguagem

Este repositório é para gerar e testar as soluções cinemáticas inversas geradas por grandes modelos de linguagem (LLMS) para cadeias cinemáticas com um único "efetor final".

Características

• Pode carregar arquivos URDF.
• Suporta LLMs baseados em bate-papo e baseados em API.
• Pode resolver em cinco modos.
  • Normal: tenta diretamente resolver a corrente.
  • Estender: tenta estender uma solução existente para um link da cadeia um menor que a corrente.
  • Dinâmica: tenta basear a solução de sub-cadeias já resolvidas.
  • Cumulativo: como dinâmico, mas passa por todas as sub-sub-sub-sub-sub-sub-sub-subsídios.
  • Transferência: tenta basear a solução para uma posição e solucionador de orientação fora de uma posição apenas solucionador.
• A aprimoramento do modelo, onde modelos mais caros podem se estender ou se formar dinamicamente a partir das soluções de modelos mais baratos.

Configurar

1. Recomendado: Crie um ambiente virtual python3 -m venv .venv .
   • Ative o ambiente virtual.
     • Windows: .venvScriptsactivate.bat .
     • Linux: .venvScriptsactivate.ps1 .
     • Mac: source .venv/bin/activate .
2. Instale todos os requisitos com pip install -r requirements.txt .
3. Se fizer seus próprios experimentos, é recomendável excluir todas as pastas deste projeto, exceto os Robots ou Models e as pastas Providers , se você desejar usar alguns dos mesmos robôs ou LLMs que temos.
4. No diretório raiz, verifique se há uma pasta chamada Robots e coloque os arquivos URDF dos robôs que você deseja usar no interior.
5. No diretório raiz, verifique se há uma pasta denominada Models e coloque todos os seus arquivos de especificação LLM que você deseja usar, conforme detalhado na seção Modelos.
6. Opcional: essas etapas se aplicam apenas se você desejar usar APIs compatíveis com API OpenAI.
   • No diretório raiz, verifique se há uma pasta denominada Providers e coloque seus arquivos de especificação compatível com API OpenAI que você deseja usar como detalhado na seção Provedores.
   • No diretório raiz, verifique se há uma pasta denominada Keys e faça arquivos .txt nomeados da mesma forma que os arquivos de especificação compatível com API OpenAI na pasta Providers e cole as teclas API apropriadas em cada uma.
7. Execute llm_ik com os parâmetros descritos na seção de uso.
8. Veja os resultados na pasta de Results no diretório raiz.

Modelos

• Os modelos são especificados nos arquivos .txt na pasta Models no diretório raiz.
• O nome do arquivo é o que aparecerá nos resultados.
• Cada linha do arquivo representa informações sobre o arquivo, com apenas a primeira linha necessária para os modelos não API.

Formatar

1. Se o modelo for um modelo de raciocínio ou não, especificado por True ou False e inadimplente para False . Se não for um modelo de raciocínio, os avisos incluirão uma declaração para "pensar passo a passo e mostrar todo o seu trabalho" para obter alguns benefícios do pensamento da cadeia de pensamentos. Caso contrário, isso é omitido, pois o raciocínio já faz um processo como esse internamente.
2. O nome do "provedor" do modelo é o nome do arquivo de especificação compatível com API OpenAI (sem a extensão .txt ) para usar na pasta Providers . Consulte a seção de provedores sobre como configurar esses próprios arquivos.
3. O custo de entrada por token deste modelo. Se não especificado, esse modelo não pode ser herdado por outros modelos de API.
4. O custo de saída por token deste modelo. Se não especificado, esse modelo não pode ser herdado por outros modelos de API.
5. Se esse modelo suportar a chamada de função via API OpenAI, especificada por True ou False e inadimplente para se seu provedor suporta funções. Isso é útil como alguns provedores, como o OpenRouter, suporta chamadas de funções, mas nem todos os modelos que eles fornecem, oferecendo assim a opção para executar uma substituição por modelo. No entanto, se o provedor não suportar chamadas de função e isso estiver definido como True , a configuração do provedor substituirá isso para False ; portanto, isso só pode ser usado para desativar a chamada de função e não habilitá -la. Se isso for False , detalhes adicionais serão adicionados ao prompt para que os modelos ainda possam chamar métodos, apenas não através das funções da API do OpenAI e, em vez disso, a resposta regular da mensagem será analisada.
6. O nome da API a ser usado para este modelo. Se omitido, o nome do arquivo (sem a extensão .txt ) será usada.

Provedores

• Os fornecedores compatíveis com API OpenAI são especificados nos arquivos .txt na pasta Providers no diretório raiz.

Formatar

1. O terminal da API do provedor.
2. Se este modelo suportar a chamada de função via API OpenAI, especificada por True ou False e inadimplente para False . Se o provedor suportar métodos, mas um modelo não o explicará na seção de modelos, isso será False apenas a esse modelo.

Uso

Argumentos

• -r ou --robots -os nomes dos robôs. Padrões para None que carregue todos os arquivos Robot URDF na pasta Robots .
• -m ou --max -o comprimento máximo da corrente para ser executado. Padrões para 0 o que significa que não há limite.
• -o ou --orientation -Se queremos resolver a orientação, além da posição. Padrões para True .
• -t ou --types -o tipo de solução mais alto a ser executado. Os padrões de Transfer , o que significa que tudo é executado.
• -f ou --feedbacks -O número máximo de vezes para dar feedback. Padrões para 5 .
• -e ou --examples -o número de exemplos para dar com feedbacks. Padrões para 10 .
• -a ou --training -o número de amostras de treinamento. Padrões para 1000 .
• -v ou --evaluating -o número de amostras de avaliação. Padrões para 1000 .
• -s ou --seed -a semente de geração de amostras. Padrões para 42 .
• -d ou --distance -O erro de distância aceitável. Padrões para 0.001 .
• -n ou --angle -o erro de ângulo aceitável. Padrões para 0.001 .
• -c ou --cwd -O diretório de trabalho. Padrão para None que obtenha o diretório de trabalho atual.
• -l ou --logging -O nível de log. Padrões para INFO .
• -w ou --wait -Quanto tempo para esperar entre chamadas de API. Padrões para 1 segundo.
• -u ou - --run -sinalizador -Ative a API em execução.
• -b ou --bypass -sinalizador -ignore a confirmação para a execução da API.

Chat manual

• Se conversando manualmente com um LLM, depois de executar, olhe na pasta Interactions até encontrar o robô, o modelo e a solução que está procurando.
• Copie o último X-Prompt.txt , X-Feedback.txt , X-Forward.txt ou X-Test.txt na sua interface de bate-papo e aguarde uma resposta em que X é um número.
  • Copie toda a resposta, não apenas o código. O programa procurará um bloco de código Python para extrair da resposta; portanto, se você extrair manualmente esse código, o programa não o reconhecerá.
• Depois que uma resposta foi recebida, faça um arquivo de texto chamado X-Response.txt onde X é o próximo número do histórico de bate-papo e execute o programa novamente. Repita a etapa anterior e isso até que um arquivo chamado X-Done.txt apareça onde X é um número.