Progresjon

Siden siste innlegg har gruppen fokusert mye på hovedrapporten. Store mengder sider har blitt skrevet, spesielt innen kapitel 2 «Background» hvor vi skriver om emner og konsept som er mest relevant for oppgaven. Her har det blitt skrevet om både Robot Operating System, Neural Networks og Rammeverk.

Etter møte med veileder kom vi fram til at vi burde teste og prøve ut ulike modeller, og se hvordan de forskjellige modellene fungerer på datasettet vi har laget. Det ble også diskutert om Wikipedia kan brukes som kilde, noe vi kom fram til var greit, ettersom Wikipedia artikkelen som blir brukt har valide referanser.

Når det kommer til roboten som blir brukt til oppgaven, har vi fått progresjon ved å installere de ulike pakkene og modulene som ROS (Robot Operating System) krever for å fungere med den spesifikke modellen vår, Turtlebot3 Waffle PI. Det er mulighet for å se på andre tilgjengelige robot modeller som kan bli tatt i bruk gjennom HIOF.

Scriptet som ble brukt til å lage datasett, har blitt omskrevet til å håndtere både generering av datasett, samtidig som den navngir de ulike bildene som blir brukt. Dette ble tidligere gjort i to steg gjennom to ulike script som måtte kjøres etter værandre. Dette gjør at vi nå mye enklere kan lage nye datasett i fremtiden.

 

En liten oppdatering!

Mye progresjon på prosjektet har blitt gjort siden siste innlegg.  Gruppen startet tidlig å bygge dataset ved å filme store mengder film av ulike personer, som utfører de ulike armbevegelsene som skal bestemme hvor eller hva enheten skal gjøre. Filmene er filmet via det integrerte kameraet som er festet på vår Turtlebot, Waffle PI.

Videre har gruppen kodet opp et Python program som går gjennom mappen hvor filmene er lagret, og for vær film genereres det store mengder bilder som vi tilslutt prosesserer, navngis og benytter i det endelige datasettet. Etter å ha testet datasettet og laget flere ulike modeller, har vi klart å fått til et resultat på over 90% nøyaktighet.

Ellers har gruppen komet godt i gang med hovedrapporten hvor vi har skrevet en del om både ROS (Robot Operating System), maskinlæring og de ulike rammeverkene som finnes innen området.

Som alltid fortsetter vi å utforske akademiske papir og kilder. Motivasjonen for videre arbeid er på topp.

 

Første innlegg!

Gruppen har kommet godt igang med både forprosjektrapporten og planlegging av prosjektet. Forprosjektsrapporten har blitt lagt mye arbeid i, og den vil være klar for innlevering etter kvaliterssikring fra veileder.

Tirsdag 14 Januar reiste gruppen til Kjeller hvor FFI er lokalisert. Her hadde vi et møte hvor vi diskuterte våre tanker rundt MVP (Minimum viable product) og hva som skulle forventes av denne. Sammen med kontaktperson ble vi enig om alle kriterier og mål for MVP. Det ble bestemt at vi skal benytte en TurtleBot, model Waffle PI som enhet for MVP. Denne fikk vi lånt av FFI i samardbeid med UiO som har flere slike modeller til bruk i sine robotikk kurs.

Modellen har alt vi skulle trenge for å fullføre oppgavene og inkluderer blandt annent kamera, Rasberry PI med Ubuntu samt ladebart batteri. Videre har gruppen også startet undersøkelse av rammeverk og andre løsninger som kan være relevant for prosjektet. Flere kilder og ressurser har blitt lagret i et arkiv som gruppen kan bruke videre.

Hello World!