Le but du repo suivant sera de vous initier à la robotique avec le projet F1tenth. Il s'agit essentiellement d'une feuille de route afin de vous guider dans votre apprentissage.
- Git
- Python 3.10
F1tenth est une plateforme open-source dédiée à la recherche et à l'éducation sur les systèmes autonomes. Des étudiants et des chercheurs du monde entier l'utilisent pour apprendre et expérimenter dans les domaines de la perception, de la planification et du contrôle en construisant une voiture radiocommandée à l'échelle 1/10e d'une voiture de Formule 1. La F1tenth Foundation organise régulièrement des Grands Prix F1tenth lors de conférences internationales sur la robotique, où des équipes s'affrontent sur la piste pour déterminer qui a la voiture la plus rapide, mais surtout, les meilleurs algorithmes.
Afin d'être à l'aise avec la terminologie de la robotique et d'avoir un survol de chaque discipline (perception, planning, contrôle), les séminaires suivants sont un très bon point de départ: https://github.com/vaul-ulaval/vaul-wiki/wiki/S%C3%A9minaires-de-robotique-mobile
Avant de commencer à travailler sur un vrai robot, nous allons commencer par installer le simulateur F1tenth AutoDRIVE. Ce simulateur est basé sur Unity et est rapide à mettre en place afin de commencer à expérimenter.
- Télécharger le simulateur pour votre système d'exploitation: https://github.com/Tinker-Twins/AutoDRIVE/tree/AutoDRIVE-Simulator
- Une fois téléchargé, vous devriez avoir un fichier exécutable. Simplement à le double-cliquer pour lancer le simulateur. (Si vous êtes sous Linux, vous allez devoir ajouter la permission d'exécution)
Une fois ouvert, je vous recommande de jouer un peu avec le simulateur pour explorer les différents menus/options disponibles. Ce sera pratique pour le développement plus tard
- Si vous avez une erreur concernant Microsoft Visual C++ en ouvrant le simulateur, télécharger ceci
- Si vous avez une carte graphique AMD ou Intel et que l'exécution du simulateur cause un crash, essayer d'exécuter l'application sur vos graphiques intégrés (Voir ici)
Afin de pouvoir écrire des algorithmes pour contrôler le véhicule, on devra utiliser le devkit afin de pouvoir lancer un serveur qui recevra les données du simulateur et qui enverra les commandes autonomes à effectuer.
- Si ce n'est pas déjà fait, cloner le répertoire suivant:
git clone https://github.com/vaul-ulaval/f1tenth-tutorials.git
cd f1tenth-tutorials- Se déplacer dans le dossier des labs
cd labs- Installer les dépendences Python
pip3 install -r requirements.txt- Exécuter le script python afin de lancer le serveur de commandes:
python example.py # Le script devrait s'exécuter sans erreursOuvrir le code du script example.py et analyser un peu ce qui se passe. On remarque que vers la fin du script, on envoie une commande de throttle et de steering de 1.0, ce qui signifie de tourner le volant à gauche au max et de donner toute la puissance moteur disponible. Testons ces hypothèses avec le simulateur!
- Démarrer le simulateur (Le fichier exécutable démarrer précédemment)
- Démarrer le serveur de commandes example.py
python example.py- Dans l'interface du simulateur, cliquer sur le bouton
Connectafin de se connecter au serveur de commande. Normalement l'interface devrait afficherConnected - Ensuite, changer le mode de conduite de
ManualàAutonomous. - Si tout est bien connecté, normalement le véhicule devrait exécuter les commandes autonomes mentionnés plus tôt
Bravo! Vous avez exécuté votre premier algorithme de contrôle en simulation! Maintenant il est temps de programmer des algorithmes plus intéressants.
Les différents laboratoires F1tenth explorent bien les bases de la conduite autonome. Dans les différentes vidéos/solutions, on discute de ROS, mais il est possible de réaliser tous ces laboratoires sans ROS avec le simulateur installé précédemment.
Pour réaliser ces laboratoires, vous pouvez dupliquer le fichier example.py et programmer dedans. Ensuite, vous pourrez simplement suivre les mêmes étapes qu'auparavant pour exécuter votre code, simplement à changer le nom du fichier python à exécuter.
Pour avoir accès aux informations provenant des capteurs du f1tenth, regardez le code dans autodrive.py. On peut y voir toutes les informations qui sont disponibles. Par exemple, lidar_range_array correspond au scan de lidar.
Certaines solutions des laboratoires sont fournis, cependant, on vous recommande fortement de faire les exercices sans regarder la solution d'abord.
Apprentissages importants:
- Développer un algorithme avec le simulateur
- Qu'est-ce qu'un lidar?
- Récupérer un scan Lidar à un angle donné
- Envoyer des commandes de contrôle au robot
Apprentissages importants:
- Contrôle PID
- Objectif de contrôle (Suivre le mur à une distance de
dmètres)
Apprentissages importants:
- Algorithme réactif
- Évitement d'obstacle de base
Avant de développer des algorithmes plus complexes, il sera nécessaire d'apprendre les bases de ROS. ROS est un middleware s'installant sur Ubuntu permettant de distribuer un système robotique en plusieurs parties. Celui-ci fourni également plusieurs outils indispensable pour le déboguage comme Rviz ou l'enregistrement de rosbags.
ROS est très important à apprendre puisque c'est ce qui est utilisé sur chacun de nos robots
Pour s'introduire à ROS, si ce n'est pas déjà fait, vous pouvez consulter le séminaire d'introduction.
Avec la connaissance de base de ROS, passons maintenant à l'action. Afin de comprendre comment installer ROS et l'utiliser, on vous suggère de vous créer une machine virtuelle avec Ubuntu 22:
- Télécharger VirtualBox
- Télécharger le fichier .ISO d'Ubuntu 22 desktop
- Suivre les étapes suivantes pour installer votre machine virtuelle
Une fois la machine virtuelle fonctionnelle, installer ROS2 humble sur celle-ci en suivant la page d'installation
Afin d'avoir une expérience hands-on, on vous suggère maintenant de suivre les tutoriels officiels suivants afin de jouer avec cette nouvelle installation de ROS.