LLM IK

Решение обратной кинематики с большими языковыми моделями

Этот репозиторий предназначен для создания и тестирования обратных кинематических решений, генерируемых крупными языковыми моделями (LLMS) для кинематических цепей с одним «конечным эффектором».

Функции

• Может загрузить файлы urdf.
• Поддерживает как LLM на основе чата, так и на основе API.
• Может решить в пяти режимах.
  • Нормально: непосредственно пытаются решить цепь.
  • Extend: пытается расширить существующее решение для цепочки на одну ссылку меньше, чем ток.
  • Динамика: пытается основать решение из уже решенных подсхей.
  • Кумулятивный: как динамический, но проходит все возможные решаемые цепи-сети.
  • Передача: пытается основать решение для решателя положения и ориентации с решателя только положения.
• Модель-индекс, где более дорогие модели могут расширяться или динамически построить из решений более дешевых моделей.

Настраивать

1. Рекомендуется: создать виртуальную среду python3 -m venv .venv .
   • Активировать виртуальную среду.
     • Windows: .venvScriptsactivate.bat .
     • Linux: .venvScriptsactivate.ps1 .
     • Mac: source .venv/bin/activate .
2. Установите все требования с помощью pip install -r requirements.txt .
3. Если вы проведете свои собственные эксперименты, рекомендуется удалить все папки в этом проекте, за исключением Robots или Models , а также папки Providers если вы хотите использовать тех же роботов или LLMS, что и у нас.
4. В корневом каталоге убедитесь, что есть папка с именем Robots , и поместите файлы URDF роботов, которые вы хотите использовать внутри.
5. В корневом каталоге убедитесь, что есть папка с именем Models , и поместите все ваши файлы спецификации LLM, которые вы хотите использовать внутри, как подробно описано в разделе «Модели».
6. Необязательно: эти шаги применяются только в том случае, если вы хотите использовать API, совместимые с API OpenAI.
   • В корневом каталоге убедитесь, что есть папка с именем Providers , и поместите ваши файлы совместимых с API API OpenAI, которые вы хотите использовать внутри, как подробно описано в разделе поставщиков.
   • В корневом каталоге убедитесь, что есть папка с именем Keys , и сделайте файлы .txt , названные такими же, как и файлы совместимых спецификации API OpenAI в папке Providers , и вставьте соответствующие клавиши API в каждый.
7. Запустите llm_ik с параметрами, изложенными в разделе использования.
8. Просмотрите результаты в папке Results в корневом каталоге.

Модели

• Модели указаны в файлах .txt в папке Models в корневом каталоге.
• Имя файла - это то, что появится в результатах.
• Каждая строка файла представляет информацию о файле, причем только первая строка необходима для моделей без AAPI.

Формат

1. Если модель является моделью рассуждений или нет, указана либо True , либо False и не дефолт на False . Если не модель рассуждений, подсказки будут включать заявление о «по шаг за шагом и показать всю свою работу», чтобы выявить некоторые преимущества из цепочки мыслей. В противном случае это опущено, так как рассуждения уже делают такой процесс, как этот, внутренне.
2. Название «поставщика» модели - это имя файла спецификации API OpenAI (без расширения .txt ) для использования из папки Providers . См. Раздел поставщиков для того, как настроить эти файлы сами.
3. Стоимость ввода на токен этой модели. В случае неопределенности эта модель не может быть унаследована другими моделями API.
4. Стоимость выходной продукции на токен этой модели. В случае неопределенности эта модель не может быть унаследована другими моделями API.
5. Если эта модель поддерживает вызов функции через API OpenAI, указанный либо True , либо False и дефолт для того, поддерживает ли его поставщик функции. Это полезно, как некоторые поставщики, такие как OpenRouter, поддерживают вызова функций, но не все модели, которые они предоставляют так же, дают вам возможность выполнить переопределение модели. Однако, если поставщик не поддерживает вызовы функций, и это устанавливается на True , конфигурация поставщика переоценит это на False , поэтому это можно использовать только для отключения вызова функций и не включить его. Если это False , к приглашению добавляются дополнительные данные, поэтому модели все еще могут вызовать методы, но не через функции API OpenAI, и вместо этого разпроводится обычный ответ сообщения.
6. Имя API для использования для этой модели. Если будет опубликовано имя файла (без расширения .txt ) будет использоваться.

Поставщики

• Провайдеры OpenAI API указаны в файлах .txt в папке Providers в корневом каталоге.

Формат

1. Конечная точка API поставщика.
2. Если эта модель поддерживает вызов функции через API OpenAI, указанный либо True , либо False и DEFLEST, чтобы False . Если поставщик поддерживает методы, но модель не так, как объясняется в разделе моделей, это будет перезаписано False только для этой модели.

Использование

Аргументы

• -r или --robots -имена роботов. По умолчанию None , который будет загружать все файлы робота URDF в папку Robots .
• -m или --max -максимальная длина цепи для работы. По умолчанию 0 , что означает, что нет предела.
• -o или --orientation -если мы хотим решить для ориентации в дополнение к положению. По умолчанию к True .
• -t или --types -самый высокий решающий тип для запуска. По умолчанию Transfer , то есть все работают.
• -f или --feedbacks -максимальное количество раз, чтобы дать обратную связь. По умолчанию 5 .
• -e или --examples -количество примеров, которые можно дать с обратными связями. По умолчанию до 10 .
• -a или --training -количество тренировочных образцов. По умолчанию до 1000 .
• -v или --evaluating -количество оценивающих образцов. По умолчанию до 1000 .
• -s или --seed -семена генерации образцов. По умолчанию до 42 .
• -d или --distance -приемлемая ошибка расстояния. По умолчанию до 0.001 .
• -n или --angle -приемлемая ошибка угла. По умолчанию до 0.001 .
• -c или --cwd -Рабочий каталог. По умолчанию None , который получает текущий рабочий каталог.
• -l или --logging -уровень регистрации. По умолчанию INFO .
• -w или --wait -Как долго ждать между вызовами API. По умолчанию до 1 секунды.
• -u или --run -флаг -включить бег API.
• -b или --bypass -flag -обойти подтверждение для работы API.

Ручной чат

• Если вручную пообщаться с LLM, после запуска посмотрите в папку Interactions , пока не найдете робота, модели и решения, которое вы ищете.
• Скопируйте последний X-Prompt.txt , X-Feedback.txt , X-Forward.txt или X-Test.txt в ваш интерфейс чата и дождитесь ответа, где X -номер.
  • Скопируйте весь ответ, а не только код. Программа будет искать блок кода Python для извлечения из ответа, поэтому, если вы вручную извлекуте этот код, программа не будет распознавать его.
• Как только ответ был получен, сделайте текстовый файл с именем X-Response.txt , где X -следующий номер для истории чата, и снова запустите программу. Повторите предыдущий шаг, и до тех пор, пока не появится файл с именем X-Done.txt , где X -это число.