Bases de la robotique — Guide d’apprentissage
Bases de la robotique — Un parcours structuré en robotique, commande, agriculture en environnement contrôlé, énergie et électronique de puissance.
Un parcours structuré en robotique, commande, agriculture en environnement contrôlé, énergie et électronique de puissance.
- Guide d’apprentissage · 2 min de lecture
Feuille de route pour la robotique d'intérieur — des capteurs au contrôle de mouvement
Connectez la détection, la localisation, la cartographie, la planification et le contrôle, puis choisissez a reading path for the system you want to build.
- Fundamentals · 6 min de lecture
Introduction à ROS 2 — Distribution sécurisée du contrôle des robots entre les nœuds, les sujets et les DDS
ROS 2 est un middleware robotique qui répartit les fonctions de détection, de perception, de planification et de contrôle en processus distincts et les connecte via la communication DDS. Cet article aborde les nœuds, les sujets, les services, les actions, la QoS, TF2, le cycle de vie, l'implémentation et le débogage, ainsi que les différences avec ROS 1 et les précautions d'utilisation concrètes, illustrées par des schémas.
- Fundamentals · 3 min de lecture
Transformations de coordonnées du robot : matrices, quaternions et TF
Utilisez un exemple numérique pour relier la rotation, la translation, les transformations inverses, quaternions and ROS frames.
- Hands-on · 6 min de lecture
Reproduire les pannes du robot avec rosbag2 : entrées, TF et temps
Créez des comparaisons de relecture contrôlées et diagnostiquez les éditeurs TF dupliqués and mixed time sources.
- Fundamentals · 7 min de lecture
Principes de base de la navigation à l'estime — Intégration des roues, de l'IMU et du GNSS pour le suivi du mouvement d'un robot
La navigation à l'estime est la technique fondamentale de mise à jour de la pose et de la position d'un robot, intégrant la rotation des roues, les données de l'IMU et les capteurs de vitesse. Cet article traite de la cinématique des entraînements différentiels, de l'accumulation d'erreurs, de la correction par filtre de Kalman étendu (EKF) et de ses applications aux robots de transport intérieur et à la conduite autonome, à l'aide d'équations et de schémas.
- Fundamentals · 25 min de lecture
Introduction au LiDAR-SLAM — Savoir « Où suis-je ? » à partir des nuages de points laser
Une caméra déduit indirectement la distance à partir des motifs de lumière réfléchie ; un LiDAR la mesure directement grâce au temps de vol d'une impulsion laser. La technologie LiDAR-SLAM repose sur l'enregistrement des nuages de points renvoyés par ce capteur de télémétrie actif. Cet article aborde systématiquement les deux piliers de la mise en correspondance de scans, ICP et NDT, en passant par la conception des caractéristiques de LOAM, la fermeture de boucle et le SLAM graphique, jusqu'à la lignée des algorithmes de repérage de points de repère : LeGO-LOAM, Cartographer, LIO-SAM et FAST-LIO2.
- Hands-on · 4 min de lecture
Pourquoi ICP échoue : initialisation, valeurs aberrantes et géométrie symétrique
Effectuez l'enregistrement 2D et distinguez les résidus, la couverture de correspondance et true pose error.
- Fundamentals · 19 min de lecture
Introduction à la fusion de capteurs — Construire un modèle mondial unique à partir de nombreux capteurs
Une caméra excelle dans la perception du sens, un LiDAR dans la géométrie, une centrale inertielle dans la détection du mouvement ; et chacune présente ses propres limites. Des algorithmes probabilistes et d’optimisation qui les fusionnent (filtres de Kalman, graphes de facteurs) aux applications concrètes comme VIO (caméra × centrale inertielle), LIO (LiDAR × centrale inertielle) et BEV Fusion (caméra × LiDAR), cet article propose une exploration systématique de la manière dont la fusion de capteurs transforme plusieurs sources en un modèle unique du monde.
- Fundamentals · 5 min de lecture
Pourquoi la fusion de capteurs échoue — synchronisation, images et étalonnage extrinsèque
Diagnostiquer les échecs de fusion grâce aux horodatages, aux repères de coordonnées et au montage geometry and covariance.
- Fundamentals · 19 min de lecture
Guide VIO/LIO — Combinaison d'une centrale inertielle avec une caméra ou un LiDAR pour l'autolocalisation
« Une caméra ou un LiDAR, utilisés seuls, présentent des limites dans certaines situations. L'association de l'un ou l'autre de ces capteurs avec une centrale inertielle (accéléromètre + gyroscope) pallie cette faiblesse : c'est le principe de l'odométrie visuelle-inertielle (VIO) et de l'odométrie inertielle LiDAR (LIO). Partant des raisons pour lesquelles une centrale inertielle seule ne peut pas déterminer la position, cet article explore les deux approches de conception (basée sur le filtrage et sur l'optimisation) ainsi que les algorithmes de repérage de points de repère utilisés par ROVIO, OKVIS, VINS-Mono et OpenVINS, jusqu'à LIO-SAM et FAST-LIO2. »
- Hands-on · 3 min de lecture
Comment évaluer le SLAM — ATE, RPE, temps d’exécution et défaillances
Utilisez des trajectoires synthétiques pour distinguer les erreurs absolues et relatives, puis define matching, alignment and failure reporting for an evaluation.
- Fundamentals · 16 min de lecture
Introduction à la cinématique des bras robotisés — Cinématique directe, cinématique inverse et jacobien
La cinématique directe détermine la position et l'orientation de la main à partir des angles articulaires ; la cinématique inverse résout le problème inverse ; et le jacobien fait le lien entre les deux par le biais de la « vitesse ». De la construction de transformations de coordonnées avec des paramètres DH, en passant par la cinématique inverse analytique, la cinématique inverse numérique (moindres carrés amortis), les singularités et les degrés de liberté redondants — un exposé systématique et complet de la cinématique qui régit le mouvement d'un bras robotisé.
- Fundamentals · 17 min de lecture
Introduction au contrôle de force et au contrôle d'impédance — Construction d'un robot capable de toucher
« Partant de ce qui se passe réellement dès qu'un bras robotisé à position contrôlée touche un objet rigide — et pourquoi cela rend impossibles les tâches d'assemblage, de polissage et de contact humain —, cet article explore le contrôle d'impédance, qui relie la force et le déplacement via un ressort, un amortisseur et une masse virtuels ; le contrôle d'admittance, qui inverse cette causalité ; et le contrôle hybride position/force, qui sépare la position et la force par direction spatiale, en développant ces idées à partir d'équations et de diagrammes. »
- Fundamentals · 11 min de lecture
Introduction aux systèmes hydrauliques — Du principe de Pascal au contrôle de la force dans les robots
Comment une faible commande peut-elle actionner le bras massif d'une pelle hydraulique ? Cet article considère la pompe, les distributeurs, le vérin, le fluide hydraulique, les capteurs et le contrôleur comme un système en boucle fermée, et aborde les équations de pression/débit/rendement, les technologies actuelles dans le domaine des engins de construction et agricoles, ainsi que la conversion électrohydraulique et les recherches en cours, à l'aide de schémas.
- Fundamentals · 7 min de lecture
ArduPilot : Introduction à l'estimation d'état, au contrôle et à la conception de mission pour un pilote automatique
ArduPilot est un système de pilotage automatique open source qui gère la fusion des données des capteurs d'un véhicule, le contrôle d'attitude et de position, les missions de navigation et les mécanismes de sécurité. Cet article présente les différences entre les modes Copter, Plane et Rover, ainsi que les tests de sécurité en conditions réelles réalisés avec des schémas, notamment concernant les algorithmes EKF, PID, MAVLink et SITL.
- Fundamentals · 15 min de lecture
Introduction au contrôle d'essaims (multi-robots) — Création de groupes, de formations et de consensus
Le contrôle d'essaims résout des problèmes qu'un robot isolé ne peut résoudre, en utilisant uniquement des « règles locales simples » appliquées à de nombreux robots. De la reproduction du comportement grégaire avec les Boids, en passant par les algorithmes de consensus pour parvenir à un accord, jusqu'aux trois approches du contrôle de formation (leader-suiveur, structures virtuelles et approche comportementale), cet article organise systématiquement le domaine autour de la distinction entre architectures centralisées et décentralisées.