LLM IK

用大语言模型求解逆运动学

该存储库是用于生成和测试具有单个“ End效应器”的运动链生成的逆运动式解决方案（LLMS）生成的。

特征

• 可以加载URDF文件。
• 支持基于聊天和基于API的LLM。
• 可以以五种模式解决。
  • 正常：直接尝试解决链条。
  • 扩展：试图扩展比电流小的链条链路的现有解决方案。
  • 动态：试图将解决方案基于已经解决的子链。
  • 累积：像动态一样，但通过所有可能的解决式链链。
  • 转移：尝试将溶液基于仅位置求解器的位置和方向求解器。
• 更昂贵的型号可以从廉价的型号的解决方案扩展或动态构建的模型传播。

设置

1. 推荐：创建一个虚拟环境python3 -m venv .venv 。
   • 激活虚拟环境。
     • Windows： .venvScriptsactivate.bat 。
     • linux： .venvScriptsactivate.ps1 。
     • MAC： source .venv/bin/activate 。
2. 使用pip install -r requirements.txt安装所有要求。
3. 如果进行自己的实验，建议删除该项目中的所有文件夹，除了Robots或Models ，以及Providers文件夹，如果您希望使用与我们相同的机器人或LLMS。
4. 在根目录中，确保有一个名为Robots的文件夹，并将您希望使用的机器人的乌尔德文件放置。
5. 在“根目录”中，确保有一个名为Models的文件夹，并将您希望使用的所有LLM规范文件放置在模型部分中的详细信息中。
6. 可选：仅当您希望使用OpenAI API兼容API时，这些步骤才适用。
   • 在“根目录”中，确保有一个名为Providers的文件夹，并将您希望使用的OpenAI API兼容规范文件放置在提供商部分中的详细信息中。
   • 在“根目录”中，确保有一个名为Keys的文件夹，并将.txt文件与Providers文件夹中的OpenAI API兼容规范文件相同，并将适当的API键粘贴到每个文件中。
7. 运行使用llm_ik ，并在“使用”部分中概述的参数。
8. 查看根目录中的Results文件夹中的结果。

型号

• 模型在root Directory的Models文件夹中的.txt文件中指定。
• 文件的名称将显示在结果中。
• 文件的每一行代表有关文件的信息，仅需非API模型的第一行。

格式

1. 如果模型是推理模型，是否是由True或False指定的，默认为False 。如果不是推理模型，提示将包括一份声明，以“逐步思考并展示您的所有作品”，从而从经营链的思维中获得一些好处。否则，这将被省略，因为推理已经在内部进行了这样的过程。
2. 该模型的“提供商”的名称是从Providers文件夹中使用OpenAI API兼容规范文件的名称（无.txt扩展名）。有关如何自己配置这些文件，请参见“提供者”部分。
3. 该模型的每个令牌的输入成本。如果未指定，则不能由其他API模型继承。
4. 该模型的每个令牌的输出成本。如果未指定，则不能由其他API模型继承。
5. 如果此模型支持通过OpenAI API调用函数，则由True或False指定，并默认为其提供者是否支持函数。这很有用，因为一些提供商（例如OpenRouter）支持函数调用，但是，并非所有模型都可以使用，从而为您提供了执行人均替代的选择。但是，如果提供商不支持函数调用，并且将其设置为True ，则提供商的配置将覆盖为False ，因此只能用于禁用函数调用而不启用它。如果这是False ，则将其他详细信息添加到提示中，以便模型仍然可以调用方法，而不是通过OpenAI API函数，而是将常规消息响应解析。
6. 用于此模型的API名称。如果省略，将使用文件名（没有.txt扩展名）。

提供者

• OpenAI API兼容提供商在根目录的Providers文件夹中的.txt文件中指定。

格式

1. 提供商的API端点。
2. 如果此模型支持通过OpenAI API调用函数，则由True或False指定并默认为False 。如果提供商支持方法，但模型不像“模型”部分中的解释，则仅对该模型覆盖为False 。

用法

争论

• -r或--robots - 机器人的名称。默认为None将所有机器人URDF文件加载到Robots文件夹中。
• -m或--max要运行的最大链长。默认为0这意味着没有限制。
• -o或--orientation - 如果我们要求解方向，除了位置。默认为True 。
• -t或--types运行最高的求解类型。默认Transfer ，这意味着所有运行都已运行。
• -f或--feedbacks - 给出反馈的最大次数。默认为5 。
• -e或--examples - 提供反馈的示例数量。默认为10 。
• -a或--training - 培训样本的数量。默认为1000 。
• -v或--evaluating - 评估样品的数量。默认为1000 。
• -s或--seed - 样品生成种子。默认为42 。
• -d或--distance可接受的距离错误。默认为0.001 。
• -n或--angle - 可接受的角度误差。默认为0.001 。
• -c或--cwd工作目录。默认为None获取当前工作目录。
• -l或--logging loging-记录级别。默认为INFO 。
• -w或--wait - API调用之间等待多长时间。默认为1秒。
• -u或 - --run -flag-启用API运行。
• -b或--bypass标志- 绕过API运行的确认。

手动聊天

• 如果手动与LLM聊天，则在运行后，查看Interactions文件夹，直到找到您正在寻找的机器人，模型和求解。
• 将最后一个X-Prompt.txt ， X-Feedback.txt ， X-Forward.txt或X-Test.txt复制到聊天接口中，并等待X是数字的响应。
  • 复制整个响应，而不仅仅是代码。该程序将寻找一个从响应中提取的Python代码块，因此，如果您手动提取此代码，则该程序将无法识别它。
• 收到响应后，制作一个名为X-Response.txt的文本文件，其中X是聊天历史记录的下一个数字，然后再次运行程序。重复上一个步骤，然后将其命名为X-Done.txt出现在X为数字的文件。