Aller au contenu

  2. → Affichage d'un profil : Aime: yougo

yougo

Inscrit(e) (le) 28 juil. 2016
Déconnecté Dernière activité janv. 08 2021 12:10
-----

#86869 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 20 août 2017 - 05:54

Salut ! ça fait très longtemps que j'ai pas poster ici , car comme vous le savez on est un peu occupé en ce moment ! 

 

Mais ne vous en faites pas on avance bien : 

 

P1000140.JPG

 

Vous pouvez check la chaine Youtube : 

 

 

Et le Twiter : 

 

https://twitter.com/Projet_WALK_E

 

 




#86116 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 25 juillet 2017 - 11:15

On avance bien :

 

pied.png

 

Pour l'instant à peu prêt  tout ce passe comme dans le plan (merci a ceux qui ont fait des tutos PPm et notamment à Oracid qui on le rappelle nous a permis d’être sur que ces servos étaient bons ) 

 

J'ai juste beaucoup de mal a imprimer de l'ABS  ... je suis novice, ça me fait un warping énorme et se décolle lors de l'impression :/

 




#86030 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 21 juillet 2017 - 06:47

Enfin des vrais news bien cool : on a enfin une imprimante 3D , et on a reçu les moteurs !

 

20206204_1895669127355435_1702882200_n.jpg 20272057_1895669107355437_711698272_n.jpg

 

donc on a fait un super test de l'articulation du genou :

 

IMG_20170721_174019.jpg

tiiiiiiiiiiiiiiinIMG_20170721_173507.png

 

ça marche bien (c'est notre première donc faut se faire la main ! )  




#85550 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 08 juillet 2017 - 02:05

C'est pas ouf, mais c'est le 1er essai.

 

Il faut encore que je change des dimensions car la beaucoup ne sont pas les mêmes que sur les plans , mais bon je me forme encore ce n'est qu'un test 

Image(s) jointe(s)

  • Capture d’écran (204).png
  • Capture d’écran (205).png



#85433 Entraînement d'un réseau de neurones artificiels grâce à un algorithme d...

Posté par yougo - 05 juillet 2017 - 02:22

Merci  :ignat_02:  mais ce n'est pas fini

 

Je viens d'avoir les résultats de ça, j'ai eu 20/20 




#85295 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 30 juin 2017 - 12:54

Tu as raison, mais je vous rappelle que l'on a une chaîne YouTube, on est justement en plein tournage de la vidéo de remerciements.

 

Justement une grosse partie du projet est dédiée à la chaîne, donc des news, il va y en avoir, beaucoup, on mettra les nouvelles vidéos en annonce sur le Ulule, comme ça ceux qui ne savent pas encore vont migré vers YouTube pour nous suivre :)

 

Je note pour la Make it Happen, je rajoute ça au script ;)




#85196 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 28 juin 2017 - 01:17

Le projet est fiancé à 100%, donc merci à tous les membres du forum qui ont participé  :heart: (et il y en beaucoup ) 

Merci de votre soutien à tous , on va faire les vidéos des demain, donc déjà une seule pour remercier tout le monde  :Koshechka_08:




#84907 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 20 juin 2017 - 11:08

il y a bien 2 moteurs pour les jambes (sans hanches), la disposition un peu spéciale permet en fait de concentrer le moins de poids possible au bout des jambes et donc d'utiliser des moteurs moins puissants !  

Pour ce qui est du cas escalier, tu as tout a fait raison, on ne peut pas monter des marches avec cette configuration (je veux dire les monter un pied âpres l'autre) mais on peut peut être sauter pied joint d'une marche a l'autre 

 

je met une conférence de Mr Hurst sur la marche comme ca  :

 




#84781 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 17 juin 2017 - 11:36

On a reçu 4Kg de PLA et 1Kg d'ABS !!!  grâce à notre partenariat avec  https://www.filimprimante3d.fr/

 

yaaaaaaaaaaaaaaaaaa.png

 

C'est vrai super ça motive encore plus  :heart:




#84734 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 15 juin 2017 - 05:51

Petit tuto sur les cellules de mesure de poids soon, je vois pas mal de gens sur le forum qui veulent faire des bipedes/quadru ;)

Rajouter de capteurs de poids sous les pieds permettent d'avoir une estimation de la ou ce trouve le centre G du robot.

 

J'utiliserais :

un hx711   (6€ les 5)

une arduino

des cellules de mesure de poids (5€ les 4) 

 

(pas de quoi se ruiner donc ! )

 

 

J'ai déjà tout reçu mais bon la j'ai le bac donc les vidéos viendrons juste après, un petit aperçu du premier montage test juste ici :

 

Capture d’écran (199).png

 

(je prépare un truc bien plus stylé avec processing ;) ) 

 

 

le montage (oui je sais on voit rien mais bientôt il y aura le tuto)

 

19190960_1878430022412679_468470178_n.jpg

 

 

Pourquoi le tuto : car c'est dans le robot Walk-e , MAIS aussi car en français j'ai trouver aucun tuto pour les cellules de mesure de poids que j'ai acheter , donc je veux vous aider :)

 

 

 




#84595 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 10 juin 2017 - 07:45

Salut salut,
 
j'ai quelques annonces à faire :
 
premièrement a grand merci à tous les Makers qui participent, il y en a pas mal, c'est vraiment touchant !
Un grand merci pour soutien que le forum apporte au projet  :heart:
 
Ensuite, le site FIL IMPRIMANTE 3D va probablement nous aider avec une forme de sponsoring, je ne m'avance pas trop là-dessus car en plus de celui-ci d'autres sites m'ont contacté, donc je vais voir si les offres sont plus intéressantes ou pas :)
 
Pour finir on est sélectionné pour la seconde édition de Make it happen, enfin sélectionné est un grand mot puisqu'il est impératif que l'on réussisse le crowdfunding pour avoir nos chances, donc on compte sur vous ;) 



#84349 Entraînement d'un réseau de neurones artificiels grâce à un algorithme d...

Posté par yougo - 03 juin 2017 - 11:04

Salut tout le monde,
 
il n'y a pas mal de temps, j'avais dit sur un de mes post que j’avais fait un petit réseau de neurones entraîné par un algorithme d'évolution génétique dans le but d'en apprendre un peu plus sur le sujet. 
Il se trouve que je l'ai fini il y a environ 2 mois, mais était donné que c’était ce que je pressentais aux TP d'ISN pour mon BAC je ne pouvais pas le poster... 
Mais bon les épreuves sont finies donc je vous fais un petit explicatif de comment ça marche tout ça :
(juste un détail : je suis un AMATEUR et je rédige cet article pour vous donc ne me lapider pas si je fais une faute)    )
 
 
Avant de présenter le projet que nous allons réalisé il est nécessaire de se pencher sur les questions suivantes : 
 
1) qu’est-ce qu’un réseau de neurones artificiel ?
 
Comme son nom le laisse pensée, un réseau neuronal artificiel est un ensemble d’algorithmes très fortement inspiré de la biologie. Le but était de simuler de façon mathématique le fonctionnement d'un neurone.
 
Nous allons donc en premier temps expliquer comment marche un neurone de façon extrêmement simplifiée (oui oui c'est de la SVT déso les gars) : 
 
les neurones sont des cellules biologiques que l'on trouve dans tout le système nerveux et notamment dans le cerveau, ces cellules sont connectées les unes aux autres.
Ces connexions sont assurées par une terminaison présente sur le neurone, nommé axone.
Par cet axone un neurone peut envoyer un signal électrique aux autres neurones 
 
Le fonctionnement d'un neurone est donc la suivante : 
 
le neurone reçoit(/ou pas) un signal électrique venant des axones d'autres neurones, auquel il est lui-même connecté, et en fonction des signaux reçus , il fait quelque chose de plutôt « binaire » c'est-à-dire :
-soit il envoie aucun courant dans son axone 
-soit il envoie un signal électrique dans son axone
 
 
Capture d’écran (188).png
 
 
On sait aussi que la connexion entre les neurones, qui se fait par les synapses et peut-être plus ou moins forte. Lors d'un apprentissage, la force de ces connexions se modifie. 
Comme nous le montre la nature, connecter des milliards de neurones avec les bonnes connexions synaptiques peut créer un outil très puissant, mais surtout flexible qui est capable de résoudre de nombreux problèmes : le cerveau (c'est sur ça dépend chez qui hein) !
 
 
 
 
 
Maintenant que nous avons vu le fonctionnement approximatif d'un neurone, on peut extrapoler à des fonctions mathématiques qui ont pour but de reproduire leurs fonctionnements : les neurones artificiels.
 
Nous allons directement commencer par un exemple :
 
Créons donc un neurone avec 3 entrées (dendrites) qui vont envoyer des chiffres, X1,2 et 3, soit 1 ou 0 et affecter un coefficient à chacune des entrées (poids) P1, 2 et 3.
 
Le coefficient va modéliser la force de connexion des neurones, le neurone va donc additionner les valeurs reçues par les 3 entrées en prenant en compte les coefficients.
 
Capture d’écran (189).png
 
Si la somme est inférieure à un seuil « S » le neurone renvoyé 0 et si elle est supérieure au seuil le neurone renvoyé 1 (on aurait pu choisir n’importe quels autres chiffres) 
 
Et voilà nous avons reconstruit un neurone artificiel !! (wow) !
 
Pour résumer : le neurone artificiel est une fonction mathématique qui prend un nombre N d'entrée, en fait la somme avec un nombre N de coefficients, puis rend un nombre en sortie. 
 
C'est bien joli tout çà mais à quoi ça sert ?!?
 
Et bien tout comme dans le cerveau, ici un seul neurone n'est pas très efficace, mais combiner en réseau on peut obtenir des résultats de « cerveaux artificiels » très puissant, on peut par exemple citer le fameux algorithme de « deep learning » de Google, qui si on lui donne une image en entrée, est capable de dire ce qu'il y a dans l'image, avec une certitude de plus de 95 % (ce qui est meilleur que le meilleur des humains) !
 
Mais le grand problème avec ce type de programme c'est que l'on va devoir trouver justement tous les « poids » et « seuils » qui relient tous les neurones entrés eux.
Pour trouver les bonnes valeurs, on pourrait par exemple tout chercher a la main, mais il y a différents moyens d'y arriver, ici nous allons le faire grâce à un algorithme dévolution génétique. (à savoir que dans le monde des neurones l’apprentissage par rétroaction est bien plus coté, mais bon j'ai rien compris donc voila...)
 
 
 
2) Qu’est-ce qu’un algorithme dévolution génétique ?
 
Les algorithmes d’évolution génétiques sont inspirés de la théorie de l’évolution de Darwin et utilisent le principe selon lequel, l’entité la plus apte à résoudre un problème va survirer et se reproduire, pour participer à l'évolution de l’espèce.
 
Si nous pouvons utiliser un algorithme de ce type, alors nous n'aurions aucun problème pour trouver tous les poids et seuils, il suffirait de laisser un programme tourner et tester plein de configuration, les croiser, éliminer les moins aptes et garder les plus forts, pour au final trouver les poids qui marchent le mieux ! 
 
Et bien c'est ce qu'on va faire tout de suite ! 
 
 
En fait non je vous arrête tout de suite ! je n'ai pas poser le cadre du projet ! 
 
donc voila le but est de reproduire quelque chose de semblable a cette vidéo (elle m'avait fait triper quand j'ai découvert ça, certains membres s'en souviendront )  
 
 
Le but de ce programme est de faire évoluer des intelligences artificielles (que l'on va appeler poissons arbitrairement) dans un panel (qui sera leur environnement). 
Chacune des IA est construite d'une manière différente grâce à un réseau de neurones qui leur est propre.
Le programme consiste à trouver un poisson avec le réseau de neurone le plus adapté à résoudre un problème. 
Le problème est que: le poisson doit trouver une manière de se déplacer la plus optimisée pour manger le plus de nourriture possible en 10 secondes. 
 
Pour trouver un « super poisson » on va créer beaucoup de poissons différents, les tester puis faire reproduire ceux ayants mangés le plus de nourritures tandis que ceux qui en mangent le moins seront remplacés par les enfants des meilleurs. 
Ce procédé est appelé « algorithme d’évolution génétique » il reproduit en fait le principe de sélection naturelle comme quoi un individu apte à résoudre le problème va survivre et propager sa « solution » au fil du temps 
 
une petite image du projet :
 
Capture d’écran (175).png
 
on voit des "poissons" plus gros que d'autres car ils ont plus manger, donc que leurs réseau de neurones artificiel est plus performant 
 
 
3) Les algos le code et tout le tralala
 
le projet est en JAVA et est présenté par classes. Je ne peut pas commenter toutes les lignes du programme donc je présente les algos principaux , à vous de les adapter à votre langage de prédilection ;)
 
 
1) La classe environnement 
 
C'est la classe qui contrôle toutes les autres classes elle a pour but de faire tout marcher correctement et surtout dans le bon ordre,
Cette classe est un algorithme d'évolution génétique, il recrée dans l'ordre, toutes les étapes de la sélection naturelle , sur les poissons. 
 
Capture d’écran (176).png
 
1- il crée les individus et les nourritures
2- il les laisse évoluer librement 10 secondes 
3- il compare les scores grâce à la classe sélection
4- il accouple et fait muter les poissons grâce à la classe sélection
 
La classe est une boucle  qui se répète infiniment (thread) après avoir appelé la classe tableaux et créé les nourritures et les poissons
 
Capture d’écran (177).png
 
2) La classe tableau 
 
Nous avons fait une classe nommée « tableaux »  qui a pour but de créer tous les tableaux et de garantir le stockage de toutes les informations et l’accès par toutes les autres classes, c'est elle qui va donc le plus remplir la RAM .
Elle stocke : 
 
-Un tableau 2D (2*50 cases) pour les positions des nourritures 
-Un tableau 2D (100*8 cases ) pour les 8 gènes de chaque poissons
-Un tableau 2D (100*3) pour les 3 parties de couleurs RGB de chaque poissons 
-Un tableau 1D qui stocke les scores de chaque poissons
-Elle stocke aussi une variable booléenne qui sert d’interrupteur aux poissons
 
Les tableaux sont tous remplis plus ou moins sur le même modèle : 
prenons l’exemple du remplissage aléatoire du tableau qui contient les couleurs de chaque poissons. On a un algorithme qui part de la colonne 0 , (celle ou va se servir le poisson 0 ), jusqu’à la 99 , à chaque colonne il va entrer un entier aléatoire compris entre 0 et 255 dans les 3 lignes puis passer a la suivante.
 
Capture d’écran (178).png
 
Capture d’écran (179).png
 
Le tableau des scores quant à lui n'est pas rempli car de base un tableau créé est rempli de 0 , ce qui nous arrange car tous les poissons commencent avec un score de 0.
 
La classe tableau , en plus de la méthode principale , se compose de pleins de méthodes getters/setters , qui quand elles sont appelées dans d'autres classes permettent de modifier les tableaux de cette classe. C'est grâce à ces méthodes qu'il y a échange entre les classes. 
 
 
3) La Classe sélection : 
 
En réalité elle s’occupe aussi des accouplements.
 
A) La méthode sélection:
 
Voyons comment nous sommes parvenus à classer les poissons en fonction de leurs codes : 
C'est en fait l'utilisation d'un tableau intermédiaire qui permet ça , 
1 ère ligne : nom 
deuxième : score 
on le remplis la première fois avec tous les scores des poissons :
 
Capture d’écran (180).png
 
Puis on prend les premières cases et on regarde si le score qui correspond est plus grand dans la case d'après , si oui , alors on « pose » notre score dans cette case , puis on continue avec la case plus grande jusqu’à arriver a la fin du tableau : 
 
Capture d’écran (181).png
 
Capture d’écran (182).png
 
on peut noter l'utilisation de variables de stockage temporaires ce qui est très commun en programmation 
 
 
(je vous conseille de taper trie a bulle sur Wikipédia ils ont un GIF très bien pour expliquer le concept :                  https://fr.wikipedia...i/Tri_à_bulles                                )
 
 
B) La méthode accouplement :
 
Ensuite on procède a la partie accouplement , qui en réalité n'est rien d'autre que le remplacement du code génétique des plus mauvais pas celui du plus fort , c'est donc une méthode dite élitiste.
 
Comment ça marche :
 
on va prendre dans le tableau que l'on viens de classer la dernière case, donc celle avec le score le plus important , on peut donc avoir son nom.
 
Une fois que l'on a récupéré le nom du poisson le plus « performant » 
on va procéder à un nombre « d’accouplement »  aléatoire qui va simplement remplacer 
 
Capture d’écran (183).png
 
4) La  classe objets :
 
Cette classe était là pour ajouter des nourritures qui font perdre du score et que les bettes auraient dû esquiver mais ça ne s'est pas fait , elle est donc un peu inutile car elle ne sert qu'en superclasse de la classe nourritures.
 
5) La classe nourritures :
 
Une classe nourritures descend donc de la classe objet mais ce n'est pas si important 
ce sont de simples ronds affichés dans la fenêtre, leurs positions sont stockées dans un tableau à 2 dimensions qui se trouve dans une classe qui regroupe tous les tableaux utilisés dans l’ensemble du programme . 
Cette classe objet est appelée dans la classe Environnement, qui est en quelque sorte la classe qui regroupe toutes les autres, elle est appelée autant de fois que l'on veut de nourritures  (50 fois ici ).
 
Leurs positions d'affichage est définie grâce au tableau qui stocke leurs position dans la classe tableau 
 
 
6) La classe poissons :
 
C'est la deuxième classe objet que nous verrons ici , bien plus compliquée , c'est justement la classe qui va créer tous les poissons.
Cette classe va se servir de tableaux qui sont créés dans la classe Tableaux  :
 
1 tableau dans lequel des poids ont été mis aléatoirement, à chaque poisson , est assigné 8 poids. Ce tableau va nous être très utile lors des croisements notamment.  
 
1 tableau des couleurs , pour rendre le programme plus compréhensible , chaque poisson aura de base une couleur qui lui est définie de la même façon que les poids.
Des chiffres compris entre 0 et 255 (rgb) sont mis aléatoirement dans un tableau , et chaque poisson utilise ses 3 cases qui lui sont assignées pour savoir de quelle couleur ils seront. 
 
1 tableau de scores , encore une fois une case est assignée à un poisson , et si le poisson détecte qu'il a manger une nourriture , il va ajouter +1 au chiffre qui se trouve dans le tableau de score , ceci va être utile lors de la sélection des poissons , pour savoir lequel est le plus performant.
 
Une fois que les poissons ont récupérés tour ces tableaux et les valeurs
 
les poissons sont une classe spéciale qui contient une implémentation de « runnable »
ce qui veut dire que la méthode principale de cette classe va se répéter sans arrêt ,
 voici un schéma de ce qu'il va se passer :
 
Capture d’écran (184).png
 
A) La méthode scanner : 
 
Elle prend en entrée le X et Y du poisson et va ressortir le X et Y de la nourriture la plus proche.
Pour faire ça on utilise une formule de maths simple : 
 
√[(Xpoisson - Xnouriture)² +(Ypoisson+Ynourriture)²] = distance Poisson/Nourriture 
 
on va donc scanner le tableau des positions de nourriture colonne par colonne, 
 
si colonne actuelle sup colonne précédente , alors  on enregistre les coordonnées x y dans des variables de stockage temporaire 
 
 c'est aussi dans la méthode scanner qu'on regarde si le poisson a « mangé »  la nourriture , en effet on va regarder si la distance retenue entre nourriture et poisson n'est pas inférieure au diamètre du poisson , dans ce cas le poisson a donc mangé la nourriture , on ajoute donc +1 dans sa case au tableau de nourritures 
 
B) La méthode Réseau Neuronal.
 
C'est la méthode la plus difficile à comprendre de tout le programme malgré qu’elle soit simple à coder, il faut bien comprendre le principe de réseau de neurones.
 
le neurone artificiel est une fonction mathématique qui prend un nombre N d'entrée , en fait la somme avec un nombre N de coefficient (1 par entrée)  , puis rend un nombre en sortie.
 
Les coefficients multiplicateurs représentent la force de connexion entre les neurones, elle est comprise entre -1,1 et 1,1 
 
elle prend en entrée 4 variables :
les position X et Y du poisson 
les positions X et Y de la nourriture la plus proche trouvée par la méthode scanner
 
Ces quatre données sont entrées dans les 2 neurones et additionnées entre elles après avoir étaé multipliées par les poids qui se trouvent dans le tableau prévu a cet effet 
 
Capture d’écran (185).png
 
En fonction du résultat de ces deux sommes ont va réaliser des actions différentes : 
Se déplacer de 1px  vers la gauche ou la droite 
Se déplacer de 1px  vers le haut ou le bas  
 
J'ai fait un schéma pour se rendre compte  du réseau :
 
Capture d’écran (186).png
 
7) La classe chrono :
 
Cette classe sert à rafraîchir la fenêtre à intervalle régulier, elle supprime toutes les entités présentes dans la fenêtre toutes les 1 ms ce qui permet de voir des mouvements fluides à l’écran 
 
 
8) La classe fenêtre :
 
Rien de très spectaculaire encore , la classe fenêtre fait une fenêtre dans laquelle elle affiche un panel qui est rempli par la classe environnement. 
 
9) La classe Main:
 
C'est la classe qui se lance quand on clique sur le programme, 
elle lance la classe tableau puis la classe fenêtre , qui va déclencher une cascade d'appel de classes : Environnement, poissons , nourritures, chrono , ect ect …  
 
 
 
Voila voila les amis c'est mon expérience perso que j'essaye d'expliquer ici, il doit y avoir des centaines d'autre façons de faire bien plus cool, c'est juste pour vous montrer comment moi j'ai fait !
 
Si il y a des endroit pas clairs dites le moi que j’arrange tout ça, sachez que je fais de mon mieux , c'est très dur de vulgariser des sujets comme ça...   
 
Le code complet arrive bientôt, mais j'ai un problème : les commentaires sont remplis de fautes ! je dois donc arranger ça !
Et aussi je suis pas super douer en français et je viens d'écrire ça aux alentours de minuit donc si vous voyez des fautes partout signalez le ;)   
 
 
 
 
 
 
 
 
 
 
 
 

 

 

 

 

 

 

 

 




#84337 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 03 juin 2017 - 07:43

Oui ça peut être utile car le sujet semble flou pour beaucoup de monde (dont moi il y a pas si longtemps) 

 

Mais si il y un seul truc que je devrais dire : c'est pas simple que vous pouvez l'imaginer ! Je ne dis pas ça pour vous faire peur au contraire lancez vous, mais ne sous estimez pas le travail qu'il y a derrière ;) 




#84157 WALK-E, Crowdfunding sur Ulule, Soutenez nous !!!

Posté par yougo - 29 mai 2017 - 08:27

header.jpg
 
Salut à tous les Makers ! 
 
Après une petite absence due à la préparation du projet, nous y sommes enfin ! Notre projet de robot bipède est en financement participatif sur Ulule  :yahoo:  
 
Certains le savent déjà mais nous préparons la création d'un robot bipède depuis longtemps, notre idée est de vous partager cette création sur une chaîne YouTube pour, on lespère, vous aider et vous inspirer pour faire des projets de plus grandes envergures ! 
(les vidéos seront sur le style "colinfurze" ou "the hacksmith" pour les connaisseurs )   
 
Donc si vous souhaitez nous soutenir et participer à laventure ou juste en savoir un peu plus c'est juste ici :
 
https://fr.ulule.com/robot-walk-e/
 
 
La chaîne YouTube :  
 
 
 
 
Avant de finir quelques petits détails qui me semblent importants pour être transparents avec vous : 
 
Premièrement les visuels que vous pourrez voir sont principalement là pour épater et faire joli.
Réalisées par notre graphiste (qu'on embrasse d'ailleurs et qui nous a fait un très beau travail. merci Andrianasolo Thierry !) les images que vous pourrez voir sont là pour montrer le concept général aux non connaisseurs. 
 
Et comme vous pourrez le voir ce projet est très inspirer par le robot Cassie nous n'allons pas ce le cacher.
[Pour les curieux:
évidement pour être en règle au niveau de la loi mais aussi par simple respect nous avons contacté l'équipe d'ingénieurs qui est actuellement sur le vrai projet Cassie , et ceux-ci nous ont répondu qu'il n'y avait aucun souci (Sisi !).]
 
Voilà si vous avez des questions nhésitez pas !  :heart:


#81772 Mes robots web sécurisés avec accès publique !

Posté par yougo - 08 avril 2017 - 03:33

C'est énorme !!!!  :crazy:

Ça ne te dérange pas que des gens puissent avoir accès a ton "intimité"  ?

 

Quelle sont les caméras utilisées ? les mêmes que les gens qui font des drones fpv ? 






  1. Robot Maker
  2. → Affichage d'un profil : Aime: yougo
  3. Privacy Policy