Herrens aftensmåltid

De siste to ukene har gruppen jobbet på spreng. Gjennomsnittlige arbeidsdager på 16 timer, kombinert med ekstreme mengder koffein har resultert til at vi nå med stolthet kan si at oppgaven er levert.. Nå gjenstår bare prosjektvideo og plakaten  før 3 år på HIOF er over🎉

Alle dokumenter har også blitt lastet opp til denne nettsiden under documents.

 

 

Spennende ting er på gang

Mye har skjedd siden site innlegg. Gruppen har jobbet hardt de siste ukene for å få ferdig utkast 2 av hoveddokumentet. Det var mye som måtte skrive og informasjon å innhente. Vi hadde flere møter med hverandre over nett, hvor vi planla og diskuterte hvordan vi mest effektivt kunne få fremgang i dokumentet, samt bli enige om hvem som jobber med hva. Siden vi benytter Overleaf til å skrive rapporten, kunne vi kommentere på hverandre sitt innhold og kvalitetsikre det som ble skrevet.

På den mer tekniske delen har det også skjedd mye spennende. Modellen har blitt enda bedre siden sist, og blir stadig trent opp til å håndtere mer komplisert data. Dette er veldig spennende og gjør at motivasjonen for oppgaven er på topp.

Når det kommer til roboten, har vi nå endelig funnet en måte å styre den på via programmering. Dette var ett av de større problemene gruppen hadde,  men med god veileding fra FFI, klarte vi å koble sammen de siste delene som manglet for å få roboten til å bevege seg.

De neste ukene vil bli brukt til å finpusse modellen, koble sammen model og fortsette skriving på hoveddokumentet.

 

Korona har kommet til Norge…🤧

Den siste uken fikk vi vite at all korona viruset har truffet Norge for fullt.. Dette etterfulgte fort med at alle skolen og de fleste offentlige møteplasser har blitt stengt eller redusert sin kapasitet, inkludert vår skole hvor vi gjennomfører denne oppgaven, Høgskolen I Østfold.

Viruset har gjort at det vanskeligere å jobbe sammen som gruppe. Med tanke på at vi vil følge de anbefalte tipsene for å redusere sjansen på å få viruset eller spre det videre, blir det mindre arbeid sammen. Heldigvis for oss har vi dannet gode rutiner når det kommer til kommunikasjon og arbeidsverktøy som Slack og Trello. Ved å bruke disse, sammen med litt ekstra press på oppdateringer av hva alle jobber med går det fint å fortsette arbeidet med oppgaven som før.

Ellers har vi funnet en måte som lar oss bygge mer kompliserte / varierte datasett. Dette blir gjort ved å ta i bruk en «greenscreen» som bakgrunn, som deretter kan digitalt modifiserer slik at det kan se ut som bildet ble tatt i en skog eller ved en fjellveg.

Når det kommer til Roboten, har gruppens progresjon stått noe stille. Temaet er komplisert og det er lite med virkelig gode ressurser via nett som kan bistå med problemet. Vi fikk nylig flere tips og eksempel filer fra Kim hos FFI, og satser på at vi kan få noe fremgang de neste dagene ved å se på disse.

Som alltid jobber vi sakte men sikkert på hovedrapporten, og flere gode sider med stoff blir produsert. Vi satser på at korona viruset forsvinner veldig raskt og at vi kan gå tilbake til normale rutiner.

 

Nytt dataset…

De siste ukene har gruppen hovedsakelig fokusert på å bygge et nytt, unikt datasett for å trene modellen vår. Dette datasettet skiller seg ut ved at det er tatt ute i natur, med mye mer komplisert bakgrunn. Dette settet ble ganske stort, og noen problemer oppstod når det kom til å flytte det fra roboten til google drive. Heldigvis fikk vi løst dette kjapt, og fikk startet treningen med det nye settet.

Angående roboten har vi hatt stor fremgang. Vi har fått installert og satt opp alle pakker og system som kreves for å bruke remote maskin til å kommunisere med roboten. Eneste som gjenstår er å sette opp selve roboten til å ta imot meldinger fra denne maskinen. Noe tekniske komplikasjoner oppsto, og vi skal prøve å få løst dette ved hjelp av veileder hos FFI og ressurser hos HIOF.

Gruppen hadde også et nytt møte med FFI, hvor vi viste frem progresjonen vi har hatt så langt når det kommer til roboten, datasett, modeller og rapporten. Tilbakemeldingene var gode, og vi fikk også en liten rundtur for å se på ulike beltevogner de kunne tenke seg å bruke teknologien vi lager i fremtiden på.

 

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.