Bienvenue sur le projet IA Racing d'IMT Atlantique. Dans ce repository, vous trouverez l'intégralité de nos avancées sur ce projet.
Les élèves ayant travaillé sur ce projet en 2022-2023 sont :
Élève | TAF |
---|---|
Romain TESSIER | ASCY |
Pierre GAILLARD | LOGIN |
Wyatt MARIN | ROBIN |
Malick BA | ASCY |
Jhon MUÑOZ | LOGIN |
Amaury COLIN | COPSI |
Le contexte de la course introduit 3 grands temps : démarrer (START), rouler (DRIVE), et s'arrêter (STOP). Nous avons divisé les étapes en 3 lots : le lot START, le lot STOP, et le lot DRIVE (qui est en réalité un lot double car nous nous sommes divisés en 2 équipes sur ce lot, avec des stratégies différentes).
Ainsi, la structure du repository est telle que :
- répertoire start : lot START (code de détection d'un feu vert et explications)
- répertoire stop : lot STOP (explications de 2 stratégies de détection (IA et déterministe) de la ligne de stop, scripts de labelling, et codes)
- drive_renforcement : lot DRIVE en stratégie d'apprentissage par renforcement (explications de Gym Environnement et de l'autoencoder, sources, et codes)
- drive_supervise : lot DRIVE en stratégie d'apprentissage supervisé (explications, process, et code)
En addition, nous avons inclus 2 répertoires supplémentaires :
- simulateur : comment modifier le simulateur pour le faire correspondre aux besoins
- integration : comment monter la voiture, calibrer la caméra, intégrer le framework donkeycar, ajouter de nouvelles parts, lancer la voiture…
*
|
|-- Document de passation générale
|-- Document de passation des liens et accès
|
|-- start
|-- Explication du lot START
|-- Code du lot START
|
|-- stop
|-- Explication du lot STOP
|-- Formalisation du problème d'optimisation
|-- Code détection déterministe
|-- Code détection par IA
|-- Datasets
|-- Images simulateurs
|-- Images réelles
|-- script_labelling
|-- Explication du fonctionnement des scripts d'aide au labelling des images
|-- Scripts d'aide au labelling des images
|-- settings
|-- Explication du fonctionnement du script d'aide à la recherche de plages de couleur
|-- Script d'aide à la recherche de plages de couleur
|
|-- supervise
|-- Explication du DRIVE supervisé
|-- Codes de création et entraînement d'un modèle maison
|-- Constitution d'un dataset
|-- Fusion de tubs
|
|-- drive_renforcement
|-- Explication du DRIVE par renforcement
|-- Framework du DRIVE par renforcement
|
|-- simulateur
|-- Explication des modifications réalisables sur le simulateur
|
|-- integration
|-- Explication de l'installation de Raspbian Os Lite, Donkeycar, Tensorflow, Pytorch et Cuda
|-- calibration_camera
|-- Explication de la calibration pour retirer l'effet fish-eye
|-- Codes de calibration
|-- framework_donkeycar_parts
|-- Explication du fonctionnement par parts du framework Doonkeycar
|-- parts
|-- Explication intégration de nos parts
|-- Codes de nos parts
|-- montage_voiture
|-- Explication du montage de la voiture
|-- mycar
|-- Explication du fonctionnement de l'application donkeycar (aka voiture)
|-- Fichiers de la voiture (manage.py, myconfig.py…)
|-- preprocessing
|-- Explication du preprocessings et aperçus
|-- Scripts utiles
- Documents de passation écrits :
- Lot START
- Lot STOP
- Lot DRIVE
- DRIVE supervisé
- DRIVE par renforcement
- Intégration