tlabel: 센서 비종속 촉각 데이터 주석 툴킷과 T‑Rex 기반 구성형 프리미티브 엔진

import tlabel

data = tlabel.demo('gelsight')

data.predict_primitives()

이 코드는 tlabel 패키지에서 GelSight 샘플 데이터를 불러와 내장 예측기를 통해 프리미티브를 자동 예측하는 실행 예시이다. 먼저 tlabel.demo로 샘플 데이터셋을 로드하고 이후 data.predict_primitives()가 시각·촉각 이미지를 입력으로 사용해 프리미티브 타임라인을 생성한다. 결과는 각 세그먼트에 source 태그와 신뢰도 점수를 포함한 메타데이터로 반환된다.

tlabel.register_custom_primitive('poke', force_range=(0.1, 0.8), deformation_max=0.15, contact_required=True, confidence=0.5 )

data.predict_primitives(min_confidence=0.4)

이 코드는 전역 레지스트리에 사용자 정의 프리미티브 규칙을 등록하고 그 규칙을 적용해 예측 결과를 필터링하는 예시이다. register_custom_primitive는 프리미티브 이름과 물리적 조건(force_range, deformation_max, contact_required) 및 기본 신뢰도를 받으며 predict_primitives의 min_confidence 인수로 낮은 신뢰도 결과를 제외할 수 있다. 이렇게 하면 도메인별 물리 규칙에 맞는 자동 라벨링이 가능하다.

taxonomy = tlabel.get_default_taxonomy()
from tlabel import PrimitiveRule

taxonomy.register(PrimitiveRule(
    name='poke', min_force=0.1, max_deformation=0.15, contact_required=True, min_confidence=0.5
))

data.predict_primitives(taxonomy=taxonomy, min_confidence=0.4)

이 코드는 전역 레지스트리를 건드리지 않고 로컬 taxonomy 객체에 사용자 정의 PrimitiveRule을 등록해 해당 스코프에서만 예측을 적용하는 방법을 보여준다. PrimitiveRule 객체에 물리적 임계값과 신뢰도 기준을 설정하면 특정 프로젝트 전용 분류 규칙을 유지하면서 예측을 수행할 수 있다. 로컬 분류법 사용은 실험별 프리미티브 정의 차이를 격리하는 데 유리하다.