Un projet un poil complexe et long mais bougrement intéressant pour un fablab, un groupe, un passionné ou un projet scolaire : Ce robot aux aspects très arachnéens  est piloté par une carte Raspberry Pi et utilise un module d’auto apprentissage pour se déplacer.

Quatre pattes à imprimer en 3D, pas mal de servo moteurs (12!), une carte Raspberry Pi, une batterie et du code, voilà l’essentiel des éléments nécessaires à la construction de ce petit robot. Samira Peiris a créé ce projet pour mettre en valeur les capacités d’auto apprentissage et de programmation des cartes en utilisant TensorFlow, une libraire logicielle open-source adaptée à ce projet. A noter que le robot peut également être piloté par un module de développement Arduino Zero. Il peut également être réalisé de manière bien plus simple en le considérant comme un robot radio commandé avec une Arduino Nano comme dans la vidéo ci dessous.

L’ensemble des pièces à imprimer en 3D, inspiré d’un projet précédent créé pour des modules Arduino Nano est disponible. Il faudra sans doute pas mal d’heures pour venir à bout de l’ensemble des composants mais rien de compliqué à produire, les fichiers sont disponibles et leur impression n’a rien de compliqué. La partie électronique n’a rien de franchement complexe ou coûteux non plus. Des convertisseurs de courant pour alimenter la carte et les différents servo. Une batterie 1200 mAh classique, et évidemment pas mal de soudures.

La partie la plus complexe viendra sans doute de la programmation du robot et de son montage même si tout est détaillé pas à pas sur la page dédiée de Hackster.io. Ce n’est pour autant pas quelque chose de vraiment difficile et le projet pourra être accessible à différents groupes d’âge sans trop de grandes difficultés. Avec plus ou moins d’aide suivant le niveau et la motricité des intervenants.

Le résultat est spectaculaire avec une approche intéressante grâce à ce type de robot. Celui-ci apprend véritablement à se déplacer via des routines programmables. Sur quatre pattes, il faut se tenir debout, pouvoir avancer, reculer, tourner et rester stable. Cette partie là est très intéressante à optimiser et le robot offrira la possibilité de tester plusieurs approches, différentes sortes de programmations étant disponibles et modifiables. Là encore, la page du projet apporte plein de conseils et de démarches à prendre en compte.

Le logiciel reconnait les différents marqueurs employés

Vient ensuite la phase d’auto apprentissage grâce à Keras et Tensorflow, deux éléments qui vont permettre à votre robot de travailler seul. Pour bien faire, il faut installer les routines sur un PC avec un processeur performant et sur le Raspberry Pi. L’idée est de faire reconnaître à votre robot des éléments simples au travers d’une camera afin de pouvoir le laisser suivre des parcours en solo.

2019-02-14 13_29_30-minimachines.net

Il pourra ainsi suivre une ligne, tourner vers la droite ou la gauche ou faire demi tour si il arrive au bout du chemin. A terme, le robot pourrait donc sortir d’un labyrinthe en solo. L’entrainement de reconnaissance des images se fait sur un PC classique à l’aide d’une webcam, la reconnaissance sera instantanée et l’entrainement beaucoup plus rapide que si vous employez le Raspberry Pi. On apprend donc sur PC et on transfère le “leçon” vers le Pi.

Le résultat, une fois le programme et son entrainement intégrés au Raspberry Pi est assez impressionnant, le petit robot est capable de suivre un ligne, de tourner et d’éviter de tomber de la table quand il ne détecte plus de chemin. Bien sûr, on peut rajouter d’autres éléments comme prendre une mesure quelconque quand il croise un repère spécial ou envoyer un signal si un capteur infrarouge ou de gaz détecte un élément particulier. Si la robustesse de l’ensemble interdit probablement des usages réels, le modèle permet de combiner de nombreux facteurs et en fait un très bon support d’apprentissage.

Tout le détail est disponible sur cette page.

Un robot quadrupède piloté par une IA sous Rasberry Pi © MiniMachines.net. 2018

------------------------------------------------------------------------------------ - Source: Read on Source Website...

Source Site: Minimachines.net

Link: https://www.minimachines.net

Original-URL: http://tracking.feedpress.it/link/54/11070328