AI RC CAR 딥러닝 워크샵 _ 인하대학교


 

 

3DEMP의 AI RC CAR 딥러닝 교육은 인공지능(머신러닝 - 딥러닝 - 인공신경망)에 대한 기본적인 이해와 회귀모델이 어떻게 작동하는지 데이터가 어떻게 로스율에 영향을 미치는지, 오버피팅을 방지하기 위한 방법등 실질적인 체험을 통해서 CNN모델 구조의 작동 원리를 이해 할 수 있습니다.

이번에는 인하대학교에서 자율주행 RC CAR 제작 워크샵을 진행 했습니다.

라즈베리파이 4B와 모터 및 파워제어를 위한 쉴드를 별도로 제작해서 사용했습니다.

기본적인 프로그램은 동키카프로젝트를 활용했으며 AI RC CAR의 제어 부분은 저희 차량에 맞게 수정했습니다.

딥러닝(CNN) 모델학습은 Google Colab을 활용했습니다.




교육을 위해 준비된 차량들입니다. 2인 1조로 총 8대의 차량이 사용되었습니다.

 

먼저 ssh, FTP, VNC viewer, 라즈베리파이, 라즈베리파이 쉴드등 프로그램 설치 및 사용법등 기본세팅을 진행 하였습니다.

 



oled Display를 통해서 ip주소등의 정보를 확인 할 수 있습니다.

라즈베리파이의 데이터 송수신 및 제어등은 모두 wifi를 통해서 무선으로 컨트롤이 가능합니다. 

 




 

주행 트랙은 교육장의 상황에 맞게 교육생들이 디자인해서 설치합니다.

중앙 라인이 선명할 수록 특징맵 형성에 유리하기 때문에 중앙라인을 강조하는 방식으로 트랙을 제작 하였습니다. 

 




 

트랙의 넓이는 차량 사이즈의 4 ~ 5배정도로 세팅하였습니다. 차량의 사이즈가 작아서 비교적 적은 공간에서도 트랙 설치가 가능하다는 장점이 있습니다.

 






AI RC CAR의 조향각도 세팅 및 캘리브레이션은 주행 오차를 줄이기 위해서 반드시 거쳐야할 작업입니다.

수집된 주행 데이터를 기반으로 자율주행이 될 때 조향 각도에 가중치가 적용되기 때문에 오차값이 크면 차량이 안정적으로 주행기 힘들게 됩니다. 

 








 

AI RC CAR는 스마트폰이나 게임패드를 이용해서 제어 할 수 있습니다.

직접 트렉을 돌면서 데이터를 모아줍니다. image, angle, throttle등... 

 


 

정확한 자율주행을 위해서 수집한 데이터중 불필요한 데이터를 삭제 해 줍니다.

 

 


 

AI RC CAR에 사용된 배터리는 18650 3.7V를 사용했으며 약 3 ~ 4시간정도 사용 가능합니다.

배터리에 대한 이슈가 발생하지 않도록 여분의 배터리를 충분히 준비했습니다. 

 






 

학습이 완료된 후 각 조별로 가장 스마트하게 학습된 차량을 뽑는 자율주행 AI RC CAR 대회를 진행했습니다.



 

 

교육이 완료된 후 다함께 트랙을 제거 하였습니다.

감사합니다 ~ 

 

 

교육문의 : 070-8749-2057

지난교육보기

 

http://www.3demp.com/community/boardDetails.php?cbID=293

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

  •  1,890
  •  0
  •  0

댓글을 남겨 주세요.