Difference between revisions of "Projects AI Robotics"

@@ Line 1: / Line 1: @@
-[[Projects_AI_Robotics|Nazad na projekty ...]]
+This page contains student projects from the course Algoritms for AI Robotics
-GolfBot spis projektu (pripravuje sa) ...
+Please create a separate page for each project:
-== Program ==
+== 2021 ==
-=== Prepojenie s kamerou a určovanie orientačných bodov ===
+[[Ottis - Aljaž Andolšek and Ursek Slivsek]]
-Obraz sme získavali pomocou Kinectu pre XBox 360. Máme dve triedy, <code>Kinect</code> (odvodená od <code>edu.ufl.digitalworlds.j4k.J4KSDK</code>) a <code>Camera</code> (implementuje <code>Runnable</code>).
+[[VR controlled robot hand - Elisabet Delgado Mas]]
-Hlavný program spúšťa vlákno kamery, ktoré následne pri inicializácii spustí vlákno kinectu v móde <code>J4KSDK.COLOR</code>. Inštancii tredy <code>Kinect</code> je potom poslaná referencia na kameru. Trieda <code>Kinect</code> prekrýva metódu udalosti <code>onColorFrameEvent</code>, ktorá nastáva po zosnímaní farebného obrazu kinectom, pričom tento obraz posiela inštancii kamery cez referenciu volaním jej verejnej metódy <code>setImageFromKinect</code>.
+[[LunarLander (Deep) Q-learning - Filip Pavlove]]
-Hlavné vlákno kamery vykonáva cyklicky tieto akcie:
+[[Tello dron s OCR ovladanim - Jan Spirka]]
-Najprv sa otestuje, či existuje snímka z kamery.
+== 2020 ==
-* Ak nie, ukončí iteráciu cyklu a pokračuje ďalšou iteráciou.
-* Ak áno:
-*# Vytvorí si novú kópiu obrázku (pre účely spracovania).
-*# Aplikuje gaussovo rozmazanie pracovného obrázka z polomerom 3px.
-*# Skonvertuje obrázok z farebného formátu BGR do LAB.
-*# Pomocou prahovania, nájdeniu najväčšieho spojitého komponentu a priemerovania x, y pozícií pixelov najväčšieho spoločného komponentu nájde stredy kruhových značiek a lopty.
-*# Určia sa polohy cieľa (stred obrázka), lopty (oranžová značka na obrázku), polomer lopty a pozicia robota.
-*# Spočíta sa uhol natočenia robota (podľa zelenej a modrej značky).
-*# Vykreslia sa získané body do náhľadového obrázka.
-*# Hlavné vlákno programu je notifikované o dokončení cyklu kamery (teda sú spočítané potrebné body pre ďalšiu fázu programu hlavného vlákna).
-==== Gaussovo rozmazanie obrázku ====
+[[Pulzný oximeter a CO meter]]
-Na rozmazanie obrázka (blur) je použítá aproximácia gaussovho rozmazávacieho algoritmu, ktorý dokáže pracovať v lineárnom čase. Použili sme port algoritmu z JavaScriptu z blogu Ivana Kuckira, nájsť ho je možné na stránke [http://blog.ivank.net/fastest-gaussian-blur.html Fastest Gaussian Blur (in linear time)] (jedná sa o algoritmus 4 na tejto stránke).
+[[Robot Otto očami začiatočníka - Patrik Modrovský]]
-Keďže algoritmus počíta s tým, že obrázok je tvorený polom bajtov, kde jeden bajt reprezentuje jeden pixel, bolo nutné obrázok rozdeliť na tri obrázky, ktoré reprezentovali jeho červenú, zelenú a modrú farebnú zložku samostatne. Potom, ako algoritmus rozmazania dokončil svoju prácu na každom z týchto rozdelených obrázkov, bolo treba ich opätovne spojiť do jedného obrázka. Na toto nám slúžia metódy <code>separateColor</code> a <code>putColor</code>.
+== 2019 ==
-==== Prevod z RGB do LAB ====
+[[BOB808 - Peter Šeban, Jerguš Greššák]]
-Keďže zosnímaný obrázok z kamery je vo formáte, kde jeden pixel je určený štyrmi bajtmi s významom: Blue, Green, Red a posledný je vždy nulový (hodnota 0), pričom tieto hodnoty sú v rozsahu od 0 do 255, je treba najprv každý pixel preformátovať do tvaru RGB, kde každá hodnota je <code>float</code> s hodnotou od 0 do 1. Na to máme metódu <code>getPixel</code> s následným predelením každej zložky hodnotou 255.
+[[Tatrabot learns]]
-Každý pixel je potom vložený do statickej metódy triedy <code>CIELab</code> s názvom <code>fromRGB</code>, ktorá vráti hodnotu pixelu vo formáte farieb LAB. Trieda <code>CIELab</code> na prevod z RGB do LAB ešte používa medzikrok, kde každý RGB pixel prevedie do formátu XYZ, z ktorého následne vytvorí LAB formát.
+[[Lilli object interaction - Michal Fikar, Nina Lúčna]]
-==== Prahovanie ====
+[[MazeWalker - Beatriz Ramos, João Estorninho]]
-Prahovanie používame na získanie masky informácií o prítomnosti farebnej informácie v LAB formáte v spracovávanom obrázku. Tento algoritmus (metóda <code>prahuj(float[] from, float[] to)</code>) dostáva minimálnu a maximálnu hodnotu prahu farby v LAB formáte a v obrázku zisťuje, pre každý pixel, či je v rozsahu tejto hodnoty alebo nie je. Ak pixel v rozsahu je, dostane výstupná maska na pozícii pixelu hodnotu 1, v opačnom prípade je použitá hodnota 0.
+[[100(1+1) - Lauren Kondratiev, Danijela Topić Vizcaya]]
- '''int[]''' ''o'' = '''new int['''potrebná veľkosť''']'''
+== 2018 ==
- '''for''' každé ''x''
-    '''for''' každé ''y''
-       '''if''' pixel na ''x'' a ''y'' je medzi ''from'' a ''to''
-          zapíš do ''o'' 1
-       '''else'''
-          zapíš do ''o'' 0
- '''return''' ''o''
-==== Najväčší spojitý komponent ====
-Výstupom z prahovania je maska obsahujúca nuly a jednotky, na pozíciách, kde bola zistená vhodná farba. Algoritmus nájdenia najväčšieho spojitého komponentu prehľadáva pôvodnú masku, v prípade nájdenia hodnoty jedna spustí prehľadávanie do šírky, pričom každý susedný pixel (v každom z 8 smerov) označí hodnotou N. N začína na hodnote 2 a je zvyšovaný po dokončení označenia komponentu, tento číselný údaj je vpisovaný do vstupnej masky. Tento komponent sa hľadá metódou <code>int flood(int px, int py, int[] in, int n)</code>, ktorá dostáva súradnice prvého bodu komponentu, masku a číselné označenie komponentu, označí komponent a spočíta počet pixelov v tomto komponente, ktorý následne vráti.
+[[Ottov plynulý pohyb a úprava prehrávania skladieb pomocou buzzera - Denis, Jana]]
-Každý komponent je zapísaný do <code>HashMap</code>, kde kľúč je číslo komponentu a hodnota je počet pixelov v komponente. Po nájdení všetkých komponentov sa určí najväčší z nich a maska sa opäť preznačí na hodnoty 0 a jednoa takto:
+[[Tatrabot 2D mapping - Johanna, Romana, Nicole, Oswaldo, Matej, Viktor]]
-* Ak pixel má hodnotu čísla najväčšieho komponentu, bude nastavený na hodnotu 1.
+== 2017 ==
-* Ak pixel má inú hodnotu, bude nastavený na 0.
-Metóda hľadajúca najväčší spojitý komponent má názov <code>najSpoj</code>.
+[[Tatrabot mapuje miestnost - Igor Slovak]]
-==== Určenie stredu a AABB ohraničenia komponentu ====
+[[BugBox(použitie DQN pri učení štvornohého robota optimálnej chôdze) - Martin Zvara]]
-Na získanie stredu a AABB ohraničenia komponentu sa používa metóda <code>drawX</code>. Metóda dostáva masku s určeným najväčším spojitým komponentom, pričom pre každý pixel, ktorého hodnota je rovná 1, je pozícia pixelu x a y pripočítaná k ceľkovému súčtu. Rovnako sú pre každé x a y upravené hodnoty premenných <code>maxX</code>, <code>minX</code>, <code>maxY</code> a <code>minY</code>. Výsledný stred je vypočítaný ako pomer súčtu x ku počtu pixlov a súctu y k počtu pixlov.
+[[Identifikácia robotov na zákalde špecifických objektov pomocou webkamery - Dominik Knechta]]
- '''int[]''' ''stred'' = '''new int['''6''']'''
+[[Myš sledujúca čiaru - Marián Margeta a Marián Jonis]]
- '''long''' ''sx'' = 0, ''sy'' = 0
- '''int''' ''maxX'' = 0, ''maxY'' = 0, ''minX'' = ''width'', ''minY'' = ''height'', ''pocet'' = 0
+[[LCS in context of ML- Martin Mihál]]
- '''for''' každý ''x''
-    '''for''' každý ''y''
+[[ROS - Andrej Zemanovič]]
-       '''if''' pixel ''x'',''y'' patrí komponentu
-          ''sx'' += ''x'', ''sy'' += ''y'', ''pocet''++
+[[Robot ovládaný pomocou natrénovanej neurónovej siete - Katarína Kotrlová]]
-          ''maxX'' = max(''maxX'', ''x'')
-          ''maxY'' = max(''maxY'', ''y'')
+[[POMDP - Drahomír Mrózek]]
-          ''minX'' = min(''minX'', ''x'')
-          ''minY'' = min(''minY'', ''y'')
+== 2016 ==
- '''if''' ''pocet'' je 0
+[[V-Rep simulation|Space orientation robot in V-Rep - Dominik Kotvan a Ladislav Wagner]]
-    '''return''' ''stred''
- ''stred''[0] = round(''sx'' / ''pocet'')
+[[Tatrabot coordination|Tatrabot coordination - Ákos Hervay]]
- ''stred''[1] = round(''sy'' / ''pocet'')
- ''stred''[2] = ''minX''
+[[Kladky s EV3|Kladky s EV3 - Michal Rakovský a Martin Palka]]
- ''stred''[3] = ''minY''
- ''stred''[4] = ''maxX''
+[[Tatrabot LineFollowing|Genetically evolved Neural Network for Tatrabot LineFollowing- Timotej Jurášek]]
- ''stred''[5] = ''maxY''
- '''return''' ''stred''
+[[Simulacia POMDP|Simulation of two-state Partially Observable Markov Decision Process - Roman Brojo]]
+[[Monte carlo locatization with robot Mikes - Tomas Kubla]]
+== 2015 ==
+[[GolfBot|GolfBot - Andrej Jursa a Michal Moravčík]]
+[[Sokoban|Sokoban - Dušan Suja, Máté Tibor Krajczár, Tamás Danis]]
+== 2014 ==
+[[Lego Mindstorms Ev3 Project - Ondrej Slovak]]
+[[robot performs movements, detects trajectory using gyroscope/accellerometer, sends data to Java application that visualizes the trajectory (Mário Raček, Roman Moravec)]]
+[[LEGO NXT project (Martin Marko, Martin Šalka)]]
+[[GAZEBO simulator (Ľubomír Chriašteľ)]]
+[[ASUS Xtion pre robota SmelyZajko (Marek Jelen, Miroslav Garai)]]
+[[Robot Following using Camera (Marian Vysluzil)]]
+== 2013 ==
+[[Robot_constructs_a_map_of_a_maze_-_Adam_Bilisics]]
+[[Šifrovačka s robotnačkou pre Euroveu, EV3 Puppy (Martina Chraščová, Lucia Budinská, Lucia Ďurikovičová )]]
+[[E-Puck Bludisko]]
+[[Visual navigation for Acrob or SBOT robot with Android with camera ( Marek Kádek, Jana Sucháneková)]]
+[[Acrob robot constructs a map of a maze (Péter Dobsa, Gergely Labanc)]]
+[[Acrob robot constructs a map of a maze - obstacles around the robot (Jozef Belko)]]
+[[Trajectory from gyro/accellerometer/compas]]
+[[Parking of robots in Remotely-operated laboratory]]
+[[Pohyb robota po čiare a zaznamenávanie vzdialenosti okolitých objektov (Dudík, Kemény)]]
+[[Agent Space on Raspberry Pi and Acrob with line-following and obstacle avoiding behavior-based robot.(Anton Blahunka, Martin Reiberger)]]
+[[Evolution with Open Dynamics Engine (Bečvarová Ľuboslava)]]
+[[Acrob navigation in maze using neural network (Kundlová, Jurenka)]]
+[[ Acrob in maze (line sensor, distance sensor, robot navigates towards the maze exit) (Martin Hrivnák, Tomáš Matúš)]]
+[[Acrob robot prejde bludisko, a program ďalej vizualizuje mapu bludiska na obrazovke (Michal Borčin & Barbora Zaťková)]]
+[[NXT/LeJOs bot navigates maze consisting of black tape on white paper, object in front of robot is the maze exit (Pavol Lescinsky)]]
+[[Omnibot(Krajči,Dluhý)]]
+[[Navigation of the robot arm with ANN(Karin Vališová)]]
+[[Evolving obstacle avoidance in Microsoft Robotics Studio (autori: Miroslav Matušťák & Pavol Kunovský)]]
+[[Trajectory from gyro/accellerometer/compas with 9DOF IMU (Michal Zemko, Peter Svitok)]]
+== 2012 ==
+[[Avoiding in a corridor]]
+[[Ketchup Robot]]
+[[Identification of beer bottle using OpenCV]]
+[[Mapping with SBOT]]
+[[Light Avoiding SBOT]]
+[[V-REP]]
+[[Webots]]
+[[Feedforward Backpropagation Neural Networks]]
+[[AnyKode Marilou]]
+== 2011 ==
+[[Braitenberg 2]]
+[[Tetrix robot with localisation using a neural network]]
+[[Robot nasleduje čiaru a vykreslí svoju dráhu do programu]]
+[[Mouse in Maze with robot E-Puck]]
+[[Natural language interface for SBOT]]
+[[SBOT following the line]]
+[[Lego RCX following the line and obstacle avoiding ]]
+[[Implement a simple LCS for the SBOT robot]]
+[[Micromouse with Mindstorms]]
+[[Mail delivery robot]]
+[[Pohyb podla moznych krokov]]
+[[New applet control interface for the lab control page ]]
+[[Reproducing a learned geometrical object using drawing pen of Robotnacka robot]]
+[[Obstacle avoidance training in Khepera 2 simulator via neural network]]
+[[Highlander]]
+== 2010 ==
+[[Line Following Sbot Using Reinforcement Learning]]
+[[Controlling robots in remotely-operated laboratory using Objection language]]
+[[Robot Parking using NEAT - Neuroevolution of augmenting topologies]]
+[[Gripper Functionality for Remotely-Operated Robotics Laboratory]]
+[[Visualization of Robotnacka Trajectories in Robotics Laboratory]]
+[[Robot whitch follow a line and stop back up of barrier]]
+[[Robot with ultrasonic distance sensors]]
+[[Braitenberg vehicles implemented using SBOT robot]]
+[[Simple reactive Sbot agent]]
+[[Simple python GUI for SBOT without packets]]
+[[Controlling robot with webcam]]
+[[SBOT pushing a vehicle]]
+__notoc__