153 lines
3.6 KiB
Plaintext
153 lines
3.6 KiB
Plaintext
package bot4cj
|
|
|
|
/*
|
|
* 机器人脚本解析器 - 仓颉语言
|
|
*
|
|
*/
|
|
|
|
import std.argopt.*
|
|
import std.collection.*
|
|
import std.env.*
|
|
import std.convert.*
|
|
import std.io.*
|
|
import std.fs.*
|
|
import stdx.encoding.json.*
|
|
import bot4cj.hd.*
|
|
import ctype4cj.*
|
|
import nn4cj.*
|
|
|
|
/* ---- 神经网络输出路径 ---- */
|
|
var NNS_OUT: Option<String> = None
|
|
main(args: Array<String>): Int64 {
|
|
|
|
/* ---- 解析命令行参数 ---- */
|
|
let specs = [
|
|
ArgumentSpec.Long("help", ArgumentMode.NoValue), /* ---- 拉起帮助 ---- */
|
|
ArgumentSpec.Short(r'i', ArgumentMode.RequiredValue), /* ---- 输入模型 ---- */
|
|
ArgumentSpec.Short(r'o', ArgumentMode.RequiredValue), /* ---- 输出模型 ---- */
|
|
ArgumentSpec.Long("test", ArgumentMode.RequiredValue) /* ---- 输入一个测试 ---- */
|
|
]
|
|
|
|
/* ---- 执行解析 ---- */
|
|
let parsed = parseArguments(args, specs)
|
|
let options = parsed.options
|
|
|
|
//---------------------------
|
|
/* 读取设置项 */
|
|
|
|
/*
|
|
* 初始化神经网络 （init nn）
|
|
* TODO: 可以去掉内部初始化参数，使用矩阵式模板进行初始化
|
|
*/
|
|
|
|
|
|
//var nns: ArrayList<Nn> =
|
|
//if (options.keys().contains("i")) {
|
|
// let filename = options['i']
|
|
// load_nns(filename) }
|
|
//else {
|
|
// let nn_in = ArrayList<Nn>()
|
|
// nn_in.add(Nn(41, 80, ActivationFuncs.Leaky_ReLU, 0.2f32))
|
|
// nn_in.add(Nn(80, 80, ActivationFuncs.Leaky_ReLU, 0.2f32))
|
|
// nn_in.add(Nn(80, 40, ActivationFuncs.Leaky_ReLU, 0.2f32))
|
|
// nn_in.add(Nn(40, 17, ActivationFuncs.Sigmoid, 0.2f32)) // 16个舵机加1个时延
|
|
// nn_in }
|
|
|
|
/* ---- 使用-o选项进行输出路径的选择 ---- */
|
|
if (options.contains("o")) {
|
|
NNS_OUT = Option<String>.Some(options['o'])
|
|
}
|
|
|
|
/*---------------------------*/
|
|
/* 分支选择 */
|
|
|
|
|
|
/* -------- 拉起帮助手册 -------- */
|
|
if (options.contains("help")) {
|
|
print_help()
|
|
return 0
|
|
}
|
|
|
|
/* -------- 启动一个测试分支 -------- */
|
|
else if (options.contains("test")) {
|
|
run_test(options["test"])
|
|
return 0
|
|
}
|
|
|
|
/*
|
|
* 缺省行为：从标准输入获取动作脚本
|
|
*
|
|
* TODO(20260519-qing): 进行脚本引入（相对路径也可，从**环境变量**的路径中搜寻也可）
|
|
*/
|
|
else {
|
|
let consoleReader = getStdIn()
|
|
let robot = RobotStruct(consoleReader)
|
|
try {
|
|
robot.active()
|
|
robot.run()
|
|
}
|
|
|
|
/* 无论有没有成功激活，都进行清理 */
|
|
finally { robot.deactive() }
|
|
|
|
/* NOTE(20260523-qing): 储存微调网络模型 */
|
|
// let consoleReader = getStdIn()
|
|
// run_action_drl(consoleReader, nns)
|
|
// if (options.contains("o")) {
|
|
// save_nns(nns, options['o']) }
|
|
}
|
|
|
|
|
|
return 0
|
|
}
|
|
|
|
/* -------- 打印帮助手册 -------- */
|
|
func print_help()
|
|
{
|
|
println("这是一个机器人动作脚本解析器。")
|
|
println("使用管道输入动作脚本，示例：")
|
|
println("cat std.mt | ./bot")
|
|
println()
|
|
println("--i2c=/path/to/device\t选择i2c设备")
|
|
println()
|
|
println("-i 选择输入的模型的路径")
|
|
println("-o 设置输出的模型的路径")
|
|
}
|
|
|
|
/* -------- 集成多种常规测试、临时测试 -------- */
|
|
func run_test(key: String) {
|
|
|
|
/*
|
|
* 神经网络门测试
|
|
*/
|
|
if (key == "nn1") {
|
|
testNn()
|
|
}
|
|
|
|
/* -------- 测试解析矩阵，并且输出
|
|
* -------- */
|
|
else if (key == "matrix_o") {
|
|
let file = File("ss/test.mt", OpenMode.Read)
|
|
let robot = RobotStruct(file)
|
|
file.close()
|
|
let outf = File("ss/output.mt", OpenMode.Write)
|
|
robot.save(outf)
|
|
outf.close()
|
|
}
|
|
|
|
/* -------- 解析测试输出的矩阵
|
|
* -------- */
|
|
else if (key == "matrix_2") {
|
|
let file = File("ss/output.mt", OpenMode.Read)
|
|
let robot = RobotStruct(file)
|
|
file.close()
|
|
robot.active()
|
|
robot.run()
|
|
robot.deactive()
|
|
let outf = File("ss/output_1.mt", OpenMode.Write)
|
|
robot.save(outf)
|
|
outf.close()
|
|
}
|
|
|
|
}
|