Le project est toujours en cours, malheureusement je n'ai pas beaucoup de temps à y consacrer ducoup il avance très lentement .

J'ai entrainé un agent à conduire conduire une voiture virtuelle et lui faire passer des portes dans le bon sens . Un petit bras robotique réplique les mouvements de l'agent sur la télécommande . J'aurai surment pu me passer su bras robotique mais j'aivais envie d'éssayer de conserver la vrai voiture téléguider le moins modifié possible .


J'ai presque résolu mon problème de tracking de la vrai voiture en utilisant un system de realité virtuelle (HTC Vive) . C'est fou de voir à qu'elle vitesse on peut régler ce genre de soucis juste en dépensant de l'argent . 

La prochaine étape est de donner la position de la vrai voiture à l'agent et qu'il utilise la télécommande pour la contrôler .

Genial! J'ai hate de voir comment tu vas gérer toute la partie pilotage autonome . 

Malheureusement de mon coter j'ai eu beaucoup de travail et peu de temps pour mes projets ces derniers mois . Apres avoir experimenté avec deux IMU differentes (comme le dis Loduvic plus haut) sans un deuxieme type de capteur je n'ai aucun moyen de compenser la derive des IMU .

Je suis en train d'experimenter une technique utilisant la bibliotheque servant aux applications de realité augmenté (AR foundation) . La camera est pointé vers le plafond, l'idée étant suivre les deplacement du plafond pour determiner la position de la voiture sur le sol .

Bienvenue! 

Citroen à aussi sorti un modèle avec un moteur rotatif dans les années 60 mais ca na pas été un réussite . Etant l'heureux propriétaire un Mazda RX-7, j'ai une relation amour-haine avec ces moteurs!

bienvenue!  

Ca fait un petit moment que j'ai le vigibot en tete . Il faut que je m'y mette . Je pense qu'il y a vraiment des trucs cool a faire .
Un truc auquel je pense depuis quelques temps serai de fabriquer deux robot avec des competences differentes et organiser un parcour dans une piece de la maison dont il serait possible d'atteindre le bout qu'en jouant en coopération .
Ou alors un genre d'escape room pour vigibot avec des indices à trouver pour pouvoir sortir de la piece .

Ca pourrai etre un bon concept de chaine , je sais pas si ca existe deja ou pas . Il faudrai que je créé d'autre jeu parce avec seulement celui la ca devient vite repetitif .
Ou alors utiliser le chat pour controller un des bras pour rendre le truc un peu plus interactif .

Merci pour les conseils Ludovic!  

Le probleme de l'IMU qui dérive c'est ma plus grosse inconnu pour le moment . J'ai un capteur BNOo55 qui en théorie est censé donner une position absolu . Je ne l'ai pas encore essayé donc je ne sais pas combien de temps il peut tourner avant de donner des résultats to erronnés .

Je pense que si je fini par choisir d'ajouter un lidar ca serai plus dans l'idée de corriger la dérive de l'IMU plus que pour détecter les obstacles . Le fait de faire ca en intérieur il devrait etre possible d'utilisé les murs de la pièce comme de points de repères .





 

Les questions de Mike posent bien les problèmes.

 

Si ton objectif n'est pas de faire une voiture, mais un mobile de reconnaissance de l'environnement, j'aurais opté pour un 4 roues bloqués fonctionnant comme un char, voir carrément un petit char.

Là, tu vas tu vas être obligé de gérer le déplacement d'une voiture qui n'est pas un mobile symétrique.

Mon but dans ce cas est de faire une voiture qui doit évoluer sur une surface plate et lisse mais sur des circuits différents et de manière autonome . Pas de reconnaissance ici, une fois que le circuit est défini ya plus qu'à faire le tour le plus vite possible! 

Tes roues de directions sont toujours parallèles?

 

Par curiosité : Pourquoi choisir un système propulsion + direction ? Et pas un système avec deux moteurs de propulsion droite gauche ? 

Ouai les roues sont toujours parrallèles(c'est pour ca que j'ai mentionné Ackermann), je sais que c'est pas idéal niveau performance vu que je vais avoir du glissement sur les roues avant pendant les virages . Je compte essayé d'entrainer l'IA en virtuel avant de lui mettre la vrai voiture entre les mains donc je suis parti sur le design que je pense etre le plus simple à simuler . Meme raisonnement pour les roues arrières, si les deux roues sont liées je n'aurai pas à me soucier au fait qu'elles ne tourne pas à la meme vitesse . 

Maintenant que tu le dis une future version avec un moteur dans chaque roue, ca pourrait etre plutot marrant!   
 

Je ne sais pas si un véhicule qui drift et suivre un parcours dont le robot aurai en mémoire la position des obstacles est compatible.

Il serai peut être plus judicieux de partir sur un lidar qui permet de connaitre les obstacles en temps réel et cela ne t'obligerai pas à avoir d’odométrie (meme si ça serai bien plus performant avec).

Une autre solution : un codeur sur le moteur, et pouvoir stocker ces donnés + position du servo, tu fait un tour en pilotant à la main, ca enregistre le trajet et ensuite ça le refait en auto.

Le fait d'enregistrer et de relire les positions de servo et de moteur ne me parait pas etre une solution très robuste, si les roues patinent ou que la voiture est poussée par un autre véhicule la trajectoire préenregistré sera decalée . De plus pour pouvoir enchainer les tours il faut réussir à enregistrer un tour qui commence et se termine au meme endroit, ca me parait difficile .
C'est pour ca que l'odométrie me parait vitale . En théorie si la position des obstacles est connue, il est possible de calculer le tracé du circuit (avec des courbes de Bézier ou autre), si la voiture connait sa position et sa direction il devrait donc etre possible de faire en sorte qu'elle suive le circuit . C'est comme ca que j'ai imaginé le problème, ca serai pas la première fois que je me plante   .
Enregistrer le tracé du circuit en fesant un tour conduit à la main me parait une bonne solution .

Etant donné que les obstacle sont souvent des tracés au sol ou des objets pas forcement très hauts, Je ne sais pas si un Lidar aidera beaucoup à la détection des obstacles mais il serait certainement bien plus fiable pour déterminer la position de la voiture dans l'espace que le gyrospope+accéléromètre que je compte utiliser .
Malheureusement je n'en ai pas sous la main pour le moment (j'éssaye de faire avec ce que j'ai chez moi pour le moment .)

 

Avant d'etre confiné, avec quelques-uns de mes collegues de travail on profitait d'une zone vide du bureau pour joué avec des voitures téléguidées (desfois on travaillait aussi  ) . En général on posait quelques obstacles ou bouts de scotch au sol pour créer un circuit . Les voitures étaient équipé pneus en plastique dur pour pouvoir drifter les virages .

Le but de ce projet est donc de créer une voiture télécommandée autonome . L'idée est de pouvoir enregistrer la position des obstacles mis au sol et faire en sorte que la voiture face le tour du circuit d'elle meme (Le plus vite possible) .  Je pense utilisé une IMU pour pouvoir calculer la position, direction et vitesse de la voiture par rapport au circuit .

Comme je n'avais pas envie de mutiler la voiture que j'ai déjà, j'ai décidé d'en concevoir une que je peux imprimer . J'ai privilégié la simplicité car je vais surment utilisé de l'apprentissage par renforcement sur Unity pour apprendre à une IA à conduire, il me faut donc quelque chose qui soit le plus "facile" possible a simuler .
Je suis donc parti sur une propulsion sans différenciel, sans suspension et avec aucune géométrie (carrossage, pincement, Ackermann....) . La géométrie de la crémaillaire (meme si il y en a pas ici) est faite de manière à ce que l'angle des roues avants soit égal à l'angle du servo de direction  .
Au niveau des proportions (empattement, voie, diamètre des roues...), j'ai prix les dimensions d'une Nissan silvia S15 et est tout mis à l'échelle 1/10 .

Pour ce qui est des differents composants, j'ai décidé d'utiliser ce qui trainait dans mes tiroirs . La seul chose que j'ai acheté est une courroie pour la transmission . Je ne sais pas trop si le moteur sera assez puissant pour ce que je veux faire .



Les premières pièces ont été assemblées et montées . Jusque la, tout va bien !

bienvenue!

 

C'est vrai qu'on est loin de la boîte de Nesquick d'il y a 2 ans 

Joli boulot! C'est vrai que ca a bien progressé . Je trouve quand meme que la construction en boites de Nesquik avait un certain charme .

Personnelement je bosse toujours en perspective et j'utilise les vues orthographiques pour déplacer mes pièces . Pour tous ce qui est pièces esthétiques les vues isométriques ca donne des proportions bizares .

Bienvenue!

Totalement d'accord avec Mike118 . Des petit projets rapides au debut ca a tendance a etre moins démotivant . Apres le truc cool avec un tank c'est qu'il y a toujours moyen de commencer sur un truc simple et le faire évoluer sur quelque chose de plus complexe .

Bon courage pour ton apprentissage !

Si c'est sur Facebook tu peux voir qui réagi à ce que tu poste . Il y a different type de reactions like, love, tristesse...

Bien joué! Le résultat final est vraiment cool!

Je suis assez surpris de voir que les roues mecanum fonctionnent dans l'herbe .

Discussion très intéressante . Beaucoup de point soulevés!

     D'un sens je pense qu'il y a tout à fait possibilité de touché un publique assez large avec des vidéos en francais, 284 millions de francophones (si google est correct) c'est pas rien non plus . Quelqu'un avec une personnalité haute en couleurs peut rendre n'importe quoi interressant à regarder, je me surprend souvent à visionner des vidéos sur des sujets qui ne me passionnent pas forcement mais si il est amené sous un bon angle par une personne agréable à regarder/écouter ca peut quand meme etre passionnant . 
Malheureusement dans ces cas la on tombe plus souvent sur du divertissement sans info bien pointues et précises surtout pour les sujets de niches .

    Aillant fait l'experience sur ma propre chaine en sortant les meme vidéos en anglais et en francais j'ai constaté que les vidéos en francais font entre 50 et 90% de vues en moins que les meme vidéos en version anglaise . Sachant le temps que prend l'enregistrement et le montage, le choix de ne faire des vidéos qu'en anglais a été assez rapide .
J'imagine que c'est un peu un effet boule de neige, mais quand j'ai des recherches à faire je commence directement par l'anglais car je sais que je trouverai toujours plus de resultats, ce qui en retour n'incite peut etre pas les francophones à produire des articles/vidéos en francais .

     Le truc des gens qui utilisent des mots anglais a outrance dans une conversation en francais me font toujours un peu sourire parce que ca donne l'impression d'avoir un faire à un stéréotype lambda d'une agence marketing qui essaye de faire un peu trendy(ironie) . Les langues sont en constantes évolution, on vit dans un monde très connecté et elles se mélangent, je ne pense pas que ca soit forcement une mauvaise chose au final . 
D'un autre coté, ca fait plus d'une dizaine d'années que je vis au Royaume-Unis et beaucoup de gens aime coller des mots francais qui ont un équivalent anglais dans des discussions pour faire un peu classe, ca n'est pas un 'problème' purement francais .

 

J'ai recyclé mon projet utilisant une manette de Xbox pour jouer . Je me suis amusé à faire s'affronter deux IA sur un jeu de air hockey . 
Cette fois ci j'ai réussi à passer directement de l'entrainement completement virtuel au control physique sans avoir à réentrainer les réseaux neuronaux .
 

Merci pour les conseils !

Je voulais éviter l'approche du traitement "classique" vu que j'avais déjà un expérimenter avec ca dans des projet précédents et que je voulais apprendre quelque chose de nouveau .

Je vais éssayer de voir comment je peux faire pour faire de la régression en partant d'une image . 

Merci, ca a vraiment aidé! Au final je suis resté assez fidèle à votre suggestion :

conv2d(None, ..., ..., 16) kernel=3 stride=2

conv2d(None, ..., ..., 16) kernel=3 stride=2

conv2d(None, ..., ..., 32) kernel=3 stride=2

Dense(128)

Dense(32)

Dense(10)

Le modèle est assez sensilble aux variations d'éclairage, j'imagine que cela vient du fait que l'éclairage de mes images d'apprentissage est relativement similaire .

Le fait de ne pas avoir d'action graduelle sur le joystick rend le jeu difficile à jouer pour le robot quand la vitesse du cercle est élevée . J'en ai conclu que la classification d'image pour ce genre de problème n'est pas idéale .

Après avoir suivi les conseil de Laurent42, les prédictions du réseaux neuronal se sont améliorées . 
Je me suis amusé à essayer de la perturber pendant le jeu mais elle arrive toujours à jouer .

Comme toi j'ai tendance aussi à etre impatience . Pour progresser plus rapidement le meilleur moyen que j'ai trouvé est de faire beaucoup de petits projets courts auquel je ne suis pas trop attaché et de me fixer un temps pour les finir (un jour, un weekend, 1 ou 2 semaines...) .
Je trouve que ca fonctionne plutot pas mal d'avoir quelques composants (capteurs, servos, moteur) et d'esayer de faire quelques chose à partir de ca (un peu dans l'esprit lego ducoup) . Desfois certains projets ratent completement mais c'est pas grave il y a toujours une lesson à en tirer et sur un projet court on sens moins la perte de temps . Je me suis aussi plusieur fois vu me foirer completement puis revenir sur un de ces projets quelques mois plus tard avec plus de connaissances et comprendre mes erreurs beaucoup plus facilement .

Une fois suffisamment de connaissances accumulé, il est plus facile de se lancer dans un plus gros projet qui englobe toute les connaissances acquises sur les petits projets .

J'aime aussi passer régulierement sur le "project hub" du site arduino, ca donne pas mal d'idées et permet d'apprendre beaucoup de chose : https://create.arduino.cc/projecthub
 

C'est vrai qu'ici il n'y a aucune finesse dans le resultat . Le robot choisi juste une position de joystick prédéfinie .

Merci pour le conseil! Je vais tester ca . 

Je ne sais pas si j'ai la bonne approche mais comme le jeu est très simple et consiste juste à mettre le cercle sur la cible, je me suis dis que je pouvais classer les images pour déterminer les décisions à prendre .

Il y a 9 positions de joystick possible (gauche, gauche+haut, haut.......centre) plus une classe pour déterminer si il y a du texte à l'écran (qui apparait entre 2 parties) . 

Chaque action à prendre peut facilement etre déterminer par la position du cercle et de la cible sur l'écran . Par exemple, si le cercle se trouve au dessus de la cible, le joystick doit etre bougé vers le bas, si le cercle se trouve à droite de la cible, le joystick soit etre bougé vers la gauche...etc .

L'idée c'est donc de classer chacune de ces situations pour ensuite bouger le joystick en fonction des prédictions .
 

en entrée je passe une image de 192*108*1 (noir et blanc) . Le reste du modèle ressemble à ca:

La fonction de perte j'ai utilisé la "categorical crossentropy"

Pour l'algorithm d'optimisation j'ai utilisé le "RMSprop" . J'en est testé plusieurs, celui la avait l'air de mieux fonctionner .

J'utilise le "image data generator" de keras/tensorflow qui permet de modifier les images aléatoirement pour créer des variations et je crois que j'ai été eu la main un peu lourde sur le paramètre de zoom .

Pour le coefficient d'apprentissage . J'ai commencé à 4e-3 et la précision finissait a 0.1 avec 10 catégories . Pour l'apprentissage de la vidéo ci-dessus j'ai descendu le coefficient a 3e-3 mais au bout d'un moment l'accuracy à ateint une certaine valeur puis à commencé à osciller autour de cette valeur pour le reste de l'apprentissage .
Je suis en train de train d'éssayer un coefficient d'apprentissage dégressif en espérant que la précision se stabilise plus sur la fin, les résultats ont l'air prometteurs pour le moment .

Y a t'il un bon moyen d'estimer les paramètres correctes sans employer une méthode empirique?