Description du prompt
Ce projet conçoit une architecture système full-stack englobant les modules de cartographie et localisation, de planification de trajectoire et de contrôle. Construit sur Ubuntu 22.04 et l'environnement ROS2 Humble, il utilise MAVROS pour établir une liaison de communication efficace entre les algorithmes de planification de haut niveau et le contrôleur de vol APM de bas niveau. Ceci permet une transmission à faible latence des instructions de commande et du retour d'état, assurant le découplage et le fonctionnement collaboratif entre les modules fonctionnels. Pour la cartographie et la localisation, les algorithmes SLAM courants sont déployés, avec un accent sur l'odométrie LiDAR-inertielle (telle que la série FAST-LIO), l'odométrie visuelle-inertielle (telle que la série VINS-Fusion) et le SLAM visuel basé sur les points caractéristiques (tel que la série ORB-SLAM3). Le front-end implémente les algorithmes A* et JPS basés sur la recherche, ainsi que l'algorithme RRT* basé sur l'échantillonnage. Le back-end utilise l'interpolation B-spline et les méthodes d'optimisation numérique de l'effort de contrôle minimal (Minimum Snap) pour générer des trajectoires lisses et volables qui satisfont aux contraintes dynamiques du drone. Le contrôle est réalisé à l'aide de méthodes telles que PID, LQR et MPC.
![Vous êtes un illustrateur scientifique professionnel pour des conférences académiques de premier plan (CVPR/ICRA). Veuillez créer un "Diagramme de Pipeline de Traitement de Données" clair et en haute résolution pour illustrer le "processus d'écriture de la mémoire épisodique" d'un système d'intelligence incarnée.
Disposition et Flux : Adoptez une disposition linéaire horizontale de gauche à droite, comprenant cinq étapes clés reliées par des flèches.
1. Étape 1 : Acquisition des Données Brutes
Icône : Une icône d'une fenêtre de terminal ou d'un fichier journal avec des lignes de code ou de texte.
Label : Logs Bruts Habitat-Lab.
Description : Représente les données d'interaction brutes issues du simulateur.
2. Étape 2 : Nettoyage des Données
Icône : Une icône d'entonnoir ou d'engrenage.
Label : Nettoyage et Analyse des Données.
Détails : Indique la suppression des données invalides et la mise en forme.
3. Étape 3 : Encapsulation Structurée
Icône : Un document papier soigné avec les mots "(Obs, Action, Outcome)" faiblement visibles.
Label : Structuration des Prompts.
Détails : Représente l'encapsulation des données nettoyées en triplets d'expérience.
4. Étape 4 : Encodage Vectoriel
Icône : Un schéma de texte transformé en une matrice numérique (par exemple, un document passant par un nœud de réseau neuronal et devenant une grille de nombres [0.1, 0.8...]).
Label : Encodage d'Embeddings.
Détails : Représente la transformation du langage naturel en vecteurs de haute dimension.
5. Étape 5 : Stockage en Base de Données
Icône : Une icône de base de données cylindrique avec un motif de grille vectorielle.
Label : Stockage Vectoriel ChromaDB.
Détails : Le point final du processus.
Style Visuel :
Style : Style d'art vectoriel plat 2D académique moderne.
Palette de Couleurs : Maintenez la cohérence, en utilisant le "Bleu Académique" comme couleur primaire et le "Gris Tech" comme couleur secondaire. Les couleurs des flèches doivent être sombres et claires.
Police : Utilisez une police sans-serif claire (style Arial/Helvetica), noire ou gris foncé.
Fond : Fond blanc pur.](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FUfvBGKD0YGX5OcBXzY3IQSo5YA3phloh%2Fdd103003-88b7-4b05-ba5c-3de35b8b102d%2F236b67f0-c53d-417c-af61-1da5617bb090.png&w=3840&q=75)
![Vous êtes un illustrateur scientifique professionnel pour des conférences académiques de premier plan (CVPR/ICRA). Veuillez créer un "Diagramme de Pipeline de Traitement de Données" clair et en haute résolution pour illustrer le "processus d'écriture de la mémoire épisodique" d'un système d'intelligence incarnée.
Disposition et Flux : Utilisez une disposition linéaire horizontale de gauche à droite, comprenant cinq étapes clés, reliées par des flèches.
1. Première Étape : Acquisition de Données Brutes
Icône : Une icône d'une fenêtre de terminal ou d'un fichier journal avec des lignes de code ou de texte.
Label : Logs Bruts Habitat-Lab.
Description : Représente les données brutes d'interaction issues du simulateur.
2. Deuxième Étape : Nettoyage des Données
Icône : Un entonnoir ou une icône d'engrenage.
Label : Nettoyage et Analyse des Données.
Détails : Indique la suppression des données invalides et le formatage.
3. Troisième Étape : Encapsulation Structurée
Icône : Un document soigné avec les mots "(Obs, Action, Résultat)" faiblement visibles.
Label : Structuration des Prompts.
Détails : Représente l'encapsulation des données nettoyées en triplets d'expérience.
4. Quatrième Étape : Encodage Vectoriel
Icône : Un diagramme illustrant la transformation de texte en une matrice numérique (par exemple, un document passant par un nœud de réseau neuronal et devenant une grille de nombres [0.1, 0.8...]).
Label : Encodage d'Embeddings.
Détails : Représente la transformation du langage naturel en vecteurs de haute dimension.
5. Cinquième Étape : Stockage
Icône : Une icône de base de données cylindrique avec un motif de grille vectorielle.
Label : Stockage Vectoriel ChromaDB.
Détails : La fin du processus.
Style Visuel :
Style : Style vectoriel 2D plat académique moderne (Art Vectoriel Plat).
Schéma de Couleurs : Maintenir la cohérence, en utilisant le "Bleu Académique" comme couleur principale et le "Gris Tech" comme couleur secondaire. Les couleurs des flèches doivent être sombres et claires.
Police : Utilisez une police sans-serif claire (style Arial/Helvetica), noire ou gris foncé.
Arrière-plan : Arrière-plan blanc pur.](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FUfvBGKD0YGX5OcBXzY3IQSo5YA3phloh%2Fe459777b-47d2-496c-bed1-8bc917030392%2Fe3e97e66-ed0d-41cd-9ce2-25a3615dcd86.png&w=3840&q=75)