Skip to content

About

Python: integrated synthetic Go2 PRO exercises with coverage, telemetry, energy and debrief. / Python: exercícios sintéticos integrados com Go2 PRO, cobertura, telemetria, energia e discussão.

Topics

Resources

Contributing

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

Community Mission Lab · Laboratório de Missões Comunitárias

Community mission studies · Estudos de missões comunitárias

Workflow illustration: Planned coverage → Observations and link → Evidence bundle

Checks English · Português · Guided tour / Visita guiada · Validation / Validação

EN: Can complete planned coverage coexist with incomplete evidence?
PT: Cobertura planejada completa pode coexistir com evidência incompleta?

Start here · Comece aqui

Goal · Objetivo Where to go · Por onde começar
Understand a real example · Entender um exemplo concreto Walkthrough / Roteiro
Reproduce and compare · Reproduzir e comparar Evidence tour / Visita às evidências
Inspect the checks · Inspecionar as verificações Validation record / Registro de validação · CI
Explore in the browser · Explorar no navegador Public demonstration / Demonstração pública

Example result · Resultado do exemplo: The baseline covers all 17 reachable free cells, reports all 3 teaching markers and estimates an upper energy use of 3.229167 Wh under fictional power inputs. The evidence-gap example still plans 100% coverage but reports only 2 markers and raises 2 review items. With 8 steps and low initial charge, planned coverage is 29.411765% and 3 criteria require review. A passed software criterion is not permission to operate hardware.

Try a comparison · Experimente uma comparação
EN: Compare baseline and evidence gaps; distinguish 100% planned coverage from the number of communicated markers.
PT: Compare início e lacunas; separe 100% de cobertura planejada da quantidade de marcadores comunicados.

Existing application preview / Prévia existente da aplicação

English

A route completed is only the beginning of a trustworthy debrief.

Run a complete fictional search exercise for a community learning centre: plan cell visits with a return budget, retain or lose observations, record teaching markers, simulate delayed communication, account for energy and produce a facilitator debrief. Three existing public Python engines run inside the same pipeline, with their exchange files available for independent reproduction.

What works today

  • Coverage planning reserves a shortest return before the next excursion.
  • A step-by-step replay separates planned positions, retained observations, pending markers and delivered markers.
  • Local controls change the step budget or remove an observation/communication opportunity at the selected step.
  • Energy accounting includes movement, marker dwell, auxiliary power, correlated uncertainty and reserve.
  • A single evidence bundle includes inputs accepted directly by Search Coverage, Telemetry Replay and Energy Planner.

A concrete example

The baseline covers all 17 reachable free cells, reports all 3 teaching markers and estimates an upper energy use of 3.229167 Wh under fictional power inputs. The evidence-gap example still plans 100% coverage but reports only 2 markers and raises 2 review items. With 8 steps and low initial charge, planned coverage is 29.411765% and 3 criteria require review. A passed software criterion is not permission to operate hardware.

Run the complete workbench

Python 3.11+ and Git are required. Use a virtual environment. Installation downloads the declared dependencies; analysis runs offline afterwards. Public companion dependencies are fixed to reviewed commits, listed in UPSTREAM.json. No account, service key or robot is required.

git clone https://github.com/galafis/go2-pro-community-mission-lab.git
cd go2-pro-community-mission-lab
python -m venv .venv
# Windows PowerShell: .venv\Scripts\Activate.ps1
# macOS / Linux: source .venv/bin/activate
python -m pip install .
python -m community_mission serve examples/baseline.json --port 8765

Open http://127.0.0.1:8765. The local workbench has scenario controls and a full JSON editor. The hosted explorer shows the three precomputed examples; custom computation requires the local Python workbench. Use Ctrl+C to stop the server.

To create a standalone evidence folder:

python -m community_mission analyze examples/baseline.json --output result-baseline
python -m unittest discover -s tests -v
python scripts/check_examples.py

Open result-baseline/report.html directly in a browser. It works without a server or network, switches language and prints. The folder also contains the exact scenario, machine-readable report, domain artifacts and a SHA-256 manifest. An existing output folder is refused to preserve earlier results. CLI exit 0 means a valid analysis was written, including findings requiring review; exit 1 means invalid input or an I/O error. Read the result, not just the exit code.

How the pieces connect

flowchart LR
  A[Exercise / Exercício] --> Coverage[Search Coverage / Cobertura]
  Coverage --> Trace[Retained observations / Observações retidas]
  Trace --> Telemetry[Telemetry Replay / Telemetria]
  Trace --> Markers[Pending and delivered / Pendentes e comunicados]
  Coverage --> Energy[Energy Planner / Energia]
  Markers --> Debrief[Evidence bundle / Pacote de evidências]
  Telemetry --> Debrief
  Energy --> Debrief
Loading

Relationship to the study programme

A future supervised Go2 PRO exercise can use marked indoor stations and an operator to collect explicitly consented course observations through a confirmed interface. Rescue Scenario Lab supplies complementary learner decisions and a teaching debrief. This pipeline consolidates planning and evidence review; it provides no fire, smoke, disaster deployment, person detection or robot control.

Related public work: Rescue Scenario Lab · Search Coverage · Telemetry Replay · Energy Planner.

Português

Concluir um percurso é apenas o começo de uma discussão apoiada em evidências.

Execute um exercício fictício completo de busca em um centro comunitário de aprendizagem: planeje visitas a células com orçamento de retorno, retenha ou perca observações, registre marcadores didáticos, simule comunicação atrasada, contabilize energia e produza uma discussão com o facilitador. Três motores Python públicos existentes executam na mesma sequência, com arquivos de intercâmbio disponíveis para reprodução independente.

O que funciona hoje

  • O planejamento de cobertura reserva o menor retorno antes da próxima excursão.
  • Uma reprodução por etapas separa posições planejadas, observações retidas, marcadores pendentes e comunicados.
  • Controles locais alteram o orçamento de etapas ou removem uma observação/oportunidade de comunicação na etapa selecionada.
  • A contabilidade de energia inclui movimento, permanência nos marcadores, consumo auxiliar, incerteza correlacionada e reserva.
  • Um único pacote de evidências inclui entradas aceitas diretamente por Search Coverage, Telemetry Replay e Energy Planner.

Um exemplo concreto

O início cobre as 17 células livres alcançáveis, comunica os 3 marcadores didáticos e estima consumo superior de 3,229167 Wh com entradas fictícias de potência. O exemplo com lacunas ainda planeja cobertura de 100%, mas comunica somente 2 marcadores e gera 2 itens de revisão. Com 8 etapas e carga inicial baixa, a cobertura planejada é de 29,411765% e 3 critérios exigem revisão. Atender a um critério de software não autoriza operar equipamento.

Executar a bancada completa

São necessários Python 3.11+ e Git. Use um ambiente virtual. A instalação baixa as dependências declaradas; depois disso, a análise funciona offline. Dependências dos companheiros públicos estão fixadas em commits revisados, listados em UPSTREAM.json. Não é necessário conta, chave de serviço ou robô.

Execute os comandos de instalação da seção em inglês, abra http://127.0.0.1:8765 e selecione Português. A bancada local possui controles do cenário e editor JSON completo. O explorador publicado mostra três exemplos pré-calculados; cálculos personalizados exigem a bancada Python local. Ctrl+C encerra o servidor.

python -m community_mission analyze examples/baseline.json --output result-inicial
python -m unittest discover -s tests -v
python scripts/check_examples.py

Abra result-inicial/report.html diretamente no navegador. Ele funciona sem servidor nem rede, troca de idioma e imprime. A pasta também contém cenário exato, relatório legível por software, artefatos específicos e manifesto SHA-256. Uma pasta de saída existente é recusada para preservar resultados anteriores. O código de saída 0 significa análise válida gravada, inclusive com itens para revisão; 1 indica entrada inválida ou erro de leitura/gravação. Leia o resultado, não apenas o código de saída.

Relação com o programa de estudos

Um exercício futuro supervisionado com Go2 PRO pode usar estações internas demarcadas e um operador para coletar observações do percurso, com consentimento explícito e interface confirmada. Rescue Scenario Lab oferece decisões complementares do aprendiz e discussão didática. Esta sequência consolida planejamento e revisão das evidências; não oferece atuação em fogo, fumaça ou desastres, detecção de pessoas ou controle do robô.

Trabalhos públicos relacionados: Rescue Scenario Lab · Search Coverage · Telemetry Replay · Energy Planner.

Documentation / Documentação

Guide / Guia Contents / Conteúdo
Method / Método Algorithms, assumptions and edge cases / Algoritmos, hipóteses e casos limite
Demonstration / Demonstração A reproducible walkthrough / Uma demonstração reproduzível
Validation / Validação Tests and boundaries of the evidence / Testes e limites das evidências
Study plan / Plano de estudo Go2 PRO relationship and staged work / Relação com Go2 PRO e trabalho por etapas
Input schema / Esquema de entrada Complete versioned contract / Contrato versionado completo
Contributing / Contribuir Reproduce and extend / Reproduzir e ampliar

Maturity / Maturidade: functional software MVP for synthetic exercises / MVP de software funcional para exercícios sintéticos. No physical deployment, participant study or institutional endorsement is claimed / Sem alegação de implantação física, estudo com participantes ou endosso institucional.

Author / Autor: Gabriel Demetrios Lafis · [email protected] · MIT License / Licença MIT

About

Python: integrated synthetic Go2 PRO exercises with coverage, telemetry, energy and debrief. / Python: exercícios sintéticos integrados com Go2 PRO, cobertura, telemetria, energia e discussão.

Topics

Resources

Contributing

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages