GRETSI 2025 Artefacts

Ce répertoire est associé à la publication suivante (under review) :

Q. Vacher, N. Beuve, P. Allaire, T. Marty, M. Dardaillon and K. Desnos. Graphes de Programmes Intriqués Appliqués à la Prédiction de Trajectoire de Bras Robotique

Ce répertoire contient:

Le code et les scripts pour reproduire les expérimentations du papier.
Les données expérérimentales et le notebook pour calculer les résultats.

Exécution du code

Pour exécuter le code, il faut d'abord le cloner et installer les bibliothèques, cela peut prendre quelques minutes.

git clone --recurse-submodules  https://github.com/gegelati/GRETSI2025-Artifacts.git
cd GRETSI2025-Artifacts/armlearn-wrapper
sudo ./scripts/dependencies_installation.sh

Puis, compilez le code du wrapper du bras robotique.

mkdir build && cd build
cmake .. && cmake --build . -j
cd ..

Cinq exécutables sont créés.

armGegelati : le principal exécutable pour entraîner ou tester un TPG sur le wrapper du bras robotique.
armMultipleTraining : pour lancer plusieurs entraînements sur plusieurs configurations indiquées dans le dossier « params/repoConfig ».
armGraphPruner : pour élaguer un TPG après l'entraînement et générer le code C.
armCodeGen : pour exécuter le code généré et exporter les données d'inférence dans outputGegelati.csv.
armGrabGegelati/armGrabStandalone : pour utiliser le TPG ou des coordonnées brutes sur le bras physique (inutilisable dans ce cas).

Différents exécutables sont créés, vous pouvez les utiliser en les exécutant.

./build/armGegelati
./build/armGraphPruner 
etc...

Un dossier "params" se trouve dans le dossier armlearn-wrapper. Dans ce dossier "params" se trouve les fichiers de configuration pour modifier l'entrainement. Notamment dans params.json:

maxNbActionsPerEval: permet de modifier le nombre d'actions (par défaut 1500 actions)
mutation.tpg.nbRoots: permet de modifier le nombre d'agents (par défaut 2000 agents)

Diminuer ces deux valeurs permet de tester le code plus rapidement.

Contenu de répertoire

├─ GRETSI2025-artifacts                              # Dossier racine.
│  │                                                                       
│  │                                           
│  ├─ armlearn-wrapper                               # git submodule pointant vers le wrapper du bras robot.
│  │
│  ├─ ScriptPubli.ipynb                              # Jupyter Notebook avec l'étude des résultats'.
│  │
│  ├─ README.md                                     
│  │   
│  ├─ data                                           # Experimental data.
│  │  │                                        
│  │  │                                        
│  │  │                                        
│  │  │
│  │  ├─ config_0_0                                  # Une configuration et une graine.
│  │  │  
│  │  │  ├─ outLogs                                  # Dossier de logs.
│  │  │  │
│  │  │  │  ├─ codeGen                               # Dossier avec le code généré.
│  │  │  │  │
│  │  │  │  ├─ bestPolicyStats.md                    # Statistiques du champion de chaque génération.
│  │  │  │  │
│  │  │  │  ├─ logsGegelati.ods                      # Logs d'entrainement.               
│  │  │  │  │
│  │  │  │  ├─ out_best_cleaned.dot                  # dotfiles du champion final après élagage.
│  │  │  │  │
│  │  │  │  ├─ out_best_stats_cleaned.md             # Statistiques du champion final après élagage.
│  │  │  │  │
│  │  │  │  ├─ out_best_stats.md                     # Statistiques du champion final.
│  │  │  │  │                      
│  │  │  │  ├─ out_best.dot                          # otfiles du champion final.
│  │  │  │  │
│  │  │  │  ├─ outputGegelati.csv                    # Logs des tests.
│  │  │  |
│  │  │  ├─ params                                   # Dossier contenant les paramètres.
│  │  ├─ ...       
│  │
│  ├─ results                                        # Dossier avec les figures créées.