Documentation
ROS + extensions ROS
Le Robot Operating System, ou ROS (système d'exploitation de robot), est le cadre logiciel de robotique open source le plus largement utilisé. Il fournit des bibliothèques de logiciels qui vous aident à créer des applications robotiques. AWS RoboMaker fournit des extensions de cloud pour ROS afin que vous puissiez décharger vers le cloud les processus informatiques plus gourmands en ressources, généralement nécessaires aux applications de robotique intelligente, et libérer des ressources de calcul locales. AWS RoboMaker prend en charge les versions ROS suivantes : ROS Kinetic, ROS Melodic et ROS2 Dashing (VERSION BÊTA). Cliquez ici pour en savoir plus sur ROS.
Les extensions cloud RoboMaker pour ROS incluent des services comme Amazon Kinesis Video Streams pour la diffusion vidéo, Amazon Rekognition pour l'analyse d'images et de vidéos, Amazon Lex pour la reconnaissance vocale, Amazon Polly pour la génération de parole et Amazon CloudWatch pour la journalisation et la surveillance. RoboMaker fournit chacune de ces extensions de service de cloud computing sous forme de packages ROS open source. Vous pouvez ainsi étendre les fonctions de votre robot en tirant parti des API de cloud, le tout dans un cadre logiciel familier.
Consultez le référentiel de code pour en savoir plus sur chacune de ces extensions de services cloud.
Extensions cloud ROS1
Extension ROS Amazon Kinesis Video Streams et Amazon Rekognition »
Extensions cloud ROS2
Exemples d'applications
AWS RoboMaker comprend des exemples d'applications de robotique pour vous aider à démarrer rapidement. Celles-ci constituent le point de départ des fonctionnalités de commande vocale, de reconnaissance, de surveillance et de gestion de flotte généralement requises pour les applications de robotique intelligente. Les exemples d'applications sont livrés avec un code d'application robotique (instructions relatives aux fonctionnalités de votre robot) et un code d'application de simulation (définissant l'environnement dans lequel vos simulations seront exécutées). Cliquez ici pour commencer à utiliser les exemples.
« Hello world »
Apprenez les bases pour structurer vos applications robotiques et vos applications de simulation, modifier le code, développer, lancer de nouvelles simulations et déployer des applications sur des robots. Commencez par utiliser un modèle de projet simple contenant un robot dans un monde de simulation vide.
- Utilisez Gazebo pour créer de nouveaux mondes de simulation en insérant des modèles, contrôler l'angle de vue, mettre en pause et reprendre une application de simulation.
- Utilisez Amazon CloudWatch Logs et un compartiment de sortie Amazon S3 pour consulter les journaux des robots et des applications de simulation.
- Utilisez le terminal pour exécuter des commandes ROS
Navigation et reconnaissance des personnes
Découvrez les concepts relatifs à la navigation robotique, au streaming vidéo, à la reconnaissance faciale et à la synthèse vocale. Un robot navigue entre des emplacements cibles dans un foyer simulé et reconnaît les visages sur les photos. Le robot diffuse les images de caméra vers Amazon Kinesis Video Streams, reçoit les résultats de la reconnaissance faciale d'Amazon Rekognition, et prononce les noms des personnes reconnues à l'aide d'Amazon Polly.
- Utilisez rqt pour consulter les images de caméra simulées diffusées vers Amazon Kinesis Video Streams
- Utilisez rviz pour visualiser la carte SLAM (localisation et mappage simultanés) et son état de planification.
- Utilisez le terminal pour consulter les résultats Amazon Rekognition
Commandes vocales
Commandez un robot en langage naturel par le texte et la voix dans une librairie simulée via Amazon Lex. Les commandes par défaut incluent « move <direction> <rate> », « turn <direction> <rate> » et « stop ». Le robot confirme et exécute chaque commande.
- Utilisez le terminal pour envoyer des commandes de mouvement en langage naturel qui seront interprétées par Amazon Lex (par exemple, « move forward 5 », « rotate clockwise 5 » et « stop »).
- Utilisez Amazon CloudWatch Metrics pour surveiller l'exécution des commandes, les distances par rapport aux obstacles détectés les plus proches, et les collisions
Surveillance de robot
Surveillez les métriques d'intégrité et les métriques opérationnelles d'un robot dans une librairie simulée en utilisant Amazon CloudWatch Metrics et Amazon CloudWatch Logs. Les métriques diffusées incluent la vitesse, la distance jusqu'à l'obstacle le plus proche, la distance jusqu'à l'objectif actuel, le nombre de collisions, l'utilisation CPU du robot et l'utilisation de la mémoire.
- Utilisez Amazon CloudWatch Metrics pour contrôler l'intégrité et les performances d'un robot
- Utilisez Gazebo pour placer des obstacles près du robot et consultez les métriques générées
Suivi d'objet utilisant l'apprentissage par renforcement
Apprenez à un robot à pister et à suivre un objet en simulation via l'apprentissage par renforcement en utilisant la bibliothèque Coach Reinforcement Learning, puis déployez cette capacité sur un robot. Consultez les métriques de récompense dans Amazon Cloudwatch Metrics pour découvrir comment le modèle de machine learning s'améliore au fil du temps. Personnalisez votre fonction de récompense afin d'améliorer l'algorithme de machine learning utilisé pour l'apprentissage.
- Utilisez Gazebo pour tester différents emplacements d'un objet à suivre.
- Utilisez rviz pour voir le robot s'entraîner en simulation.
- Utilisez la bibliothèque Coach Reinforcement pour entraîner et évaluer les modèles
Pilotage automatique utilisant l'apprentissage par renforcement
Apprenez à une voiture de course à conduire en simulation via l'apprentissage par renforcement en utilisant la bibliothèque Coach Reinforcement Learning, puis déployez cette capacité sur un robot. Consultez les métriques de récompense dans Amazon Cloudwatch Metrics pour découvrir comment le modèle de machine learning s'améliore au fil du temps. Personnalisez votre fonction de récompense afin d'améliorer l'algorithme de machine learning utilisé pour l'apprentissage.
- Utilisez Gazebo et rviz pour voir la voiture s'entraîner en simulation
- Utilisez Amazon CloudWatch Logs pour suivre les performances de la voiture
- Utilisez la bibliothèque Coach Reinforcement pour entraîner et évaluer les modèles
Ressources pour la simulation
Nous avons créé des environnements supplémentaires que vous pouvez utiliser avec vos robots. Ils peuvent être utilisés pour tester la reconnaissance faciale, la navigation, l’évitement d’obstacles et le machine learning, et peuvent être modifiés en fonction de vos scénarios.
Maison
Une petite maison avec cuisine et séjour équipée d’un appareil de musculation domestique et de photos que vous pouvez personnaliser pour tester la reconnaissance d’images. Plusieurs obstacles se dressent sur l’itinéraire de votre robot.
Librairie
Parcourez plusieurs rayons dans cette simulation de librairie. Elle comprend plusieurs obstacles, y compris des chaises et des tables, que votre robot doit éviter.
Circuit
Utilisez le machine learning pour apprendre à votre robot à rester sur le circuit. Le tracé du circuit est ovale et comporte des marqueurs de périphérie clairement visibles. À vos marques, prêts, partez !
Ateliers et didacticiels
« Hello world! » Prise en main d'AWS RoboMaker
Dans cet atelier, vous apprendrez comment démarrer avec AWS Robomaker pour créer des applications robotiques intelligentes. Vous aurez également la possibilité de gérer et déployer des applications robotisées dans un environnement simulé ainsi que dans un robot de production (nécessite un TurtleBot 3 Burger).
Trouver des martiens avec AWS RoboMaker et le rover open source JPL
Dans cet atelier, vous allez vous familiariser avec AWS Robomaker et apprendre à simuler le rover open source de la NASA JPL Mars. Ce faisant, vous apprendrez à intégrer AWS RoboMaker à des services tels que le machine learning, la surveillance et l'analyse afin que votre Mars Rover puisse diffuser des données, naviguer, communiquer, comprendre et apprendre.
Comment entraîner un robot grâce à l’apprentissage par renforcement ?
Exécuter ROS sur plusieurs machine avec AWS RoboMaker
Dans de nombreux cas, un développeur ou un chercheur en robotique devra exécuter ROS sur plusieurs machines. Ce didacticiel vous apprendra trois choses: comment configurer ROS sur une machine virtuelle sur AWS, comment connecter votre robot physique à la machine virtuelle et comment créer un système ROS multi-machines. Grâce à cela, le développement de votre application robotique sera grandement facilité.
Exécuter des didacticiels portant sur ROS avec AWS RoboMaker
ROSbot + AWS Robomaker – Didacticiel de démarrage rapide
Vidéos de mise en route
Kits de développeur HW
La création de robots et l'ajout de fonctionnalités avancées impliquent de nombreux choix pour les développeurs. Pour éliminer l’incertitude et accélérer le développement, les partenaires AWS ont créé de nombreux kits de développement robotiques comprenant des solutions HW complètes, des SW pré-installés et une documentation ainsi que des didacticiels complets.
Intel – UP Squared RoboMaker Developer Kit
Le kit UP Squared RoboMaker Developer Kit est le moyen le plus simple de bien démarrer votre projet robotique avec AWS RoboMaker. Il s’agit d’un pack de démarrage conçu pour que les développeurs puissent ajouter facilement et rapidement l’intelligence artificielle (IA) et la vision à leurs robots. Ce kit comprend un didacticiel clair pour créer le matériel depuis le niveau du module et utiliser les services cloud afin de réduire les délais de développement. Les développeurs ont pu ajouter la vision machine à leurs robots en un jour et effectuer des démonstrations robotiques en seulement quelques jours. Grâce à l’expertise d’Intel, d’AWS et d’AAEON, ce kit a pour but de fournir aux développeurs une voie directe entre le prototype et le déploiement sur le terrain.
Le kit comprend une carte UP Squared avec un processeur Intel® Atom™ x7-E3950, une caméra Intel® RealSense™ D435i, un VPU Intel® Movidius™ Myriad™ X. De plus, il est parfaitement compatible avec les services cloud d’AWS RoboMaker et étend le cadre logiciel robotique open source Robot Operating System (ROS).
En savoir plus sur le kit UP Squared Robomaker et le commander dès aujourd’hui
En savoir plus sur les partenariats avec Intel et Aaeon
.71e2a406fb99c58b15cc16feb27f4c11c20f5d62.png "Open Robotics")
Nvidia – JetBot AI Kit avec ROS et AWS RoboMaker
Nvidia accélère le développement robotique du cloud vers la périphérie avec AWS RoboMaker. La simulation et le développement robotiques peuvent désormais se faire en toute simplicité dans le cloud et être déployés sur des millions de robots et autres machines autonomes optimisées par Jetson. Le kit comprend la plate-forme de référence open source de NVIDIA, JetBot, optimisée par Jetson Nano. Jetbot est facile à configurer et à utiliser, est compatible avec de nombreux accessoires et comprend des didacticiels interactifs vous montrant comment maîtriser l’IA afin de suivre des objets, éviter les collisions et plus encore. Le JetBot AI Kit optimisé par Nvidia et équipé de ROS et AWS RoboMaker comprend la carte, un châssis de robot complet, des roues et des télécommandes ainsi qu’une batterie et une caméra 8MP. Une documentation complète est fournie avec le kit.
En savoir plus sur le kit Jetbot et le commander dès aujourd’hui
En savoir plus sur le partenariat avec Nivida.
Qualcomm – Plate-forme Robotics RB3 avec prise en charge intégrée pour AWS RoboMaker
La prise en charge par Qualcomm Technologies du service AWS RoboMaker d’Amazon Web Services aide à transformer l’innovation dans la robotique. Grâce à l’informatique hétérogène hautes performances, au machine learning et à la vision machine embarqués, au traitement de détection haute fidélité pour la perception, à l’odométrie pour la localisation, le mappage et la navigation, et aux connectivités 4G LTE et Wi-Fi, la plate-forme Qualcomm Robotics RB3 apporte aux développeurs les outils pour créer des robots capables d’accélérer l’innovation, de révolutionner la logistique et d’améliorer la vie au quotidien. Le kit de développement de Qualcomm Robotics RB3 intègre la prise en charge pour AWS Robomaker pour favoriser le développement, le test et le déploiement d’applications robotiques intelligentes à grande échelle. Il fournit également une solution périphérie-cloud pour rendre la création d’applications robotiques intelligentes plus accessible.
En savoir plus sur le kit Qualcomm Robotics RB3 et le commander dès aujourd’hui
En savoir plus sur l’engagement de Qualcomm envers l’innovation dans la robotique
Vous trouverez la documentation pour les développeurs ainsi qu’une documentation détaillée ici : https://developer.qualcomm.com/project/aws-robomaker-rb3.
