Attention avant d'utiliser le robot avec ROS2, il faut avoir calibré les servomoteurs, par ex. avec le script de calibration du projet LeRobot
[https://github.com/JafarAbdi/ros2\_so\_arm100](https://github.com/JafarAbdi/ros2_so_arm100) [https://discourse.openrobotics.org/t/interactive-so-101-ik-in-ros-2-with-viser-robokin/53850](https://discourse.openrobotics.org/t/interactive-so-101-ik-in-ros-2-with-viser-robokin/53850) #### Jumeau numérique Pilotage de la simulation ou du vrai robot [https://github.com/tessel-la/robo-boy](https://github.com/tessel-la/robo-boy) Adapter le tuto suivant au SO-ARM100 : [https://innovation.iha.unistra.fr/books/robotique-open-source/page/programmer-un-robot-avec-moveit2-jumeau-numerique](https://innovation.iha.unistra.fr/books/robotique-open-source/page/programmer-un-robot-avec-moveit2-jumeau-numerique) #### Contrôle des moteurs par un GUI de "jogging" Joint Trajectory Controller `ros2 run rqt_joint_trajectory_controller rqt_joint_trajectory_controller` [https://github.com/tessel-la/robo-boy](https://github.com/tessel-la/robo-boy) #### Contrôle de l'outil sans collisions via le plugin MoveIt de RViz Cartesian Trajectory `ros2 launch so_arm100_moveit_config moveit_rviz.launch.py` #### Réalisation d'un programme en Python [https://moveit.picknik.ai/main/doc/examples/motion\_planning\_python\_api/motion\_planning\_python\_api\_tutorial.html#single-pipeline-planning-pose-goal](https://moveit.picknik.ai/main/doc/examples/motion_planning_python_api/motion_planning_python_api_tutorial.html#single-pipeline-planning-pose-goal) ``` # set plan start state to current state panda_arm.set_start_state_to_current_state() # set pose goal with PoseStamped message pose_goal = PoseStamped() pose_goal.header.frame_id = "panda_link0" pose_goal.pose.orientation.w = 1.0 pose_goal.pose.position.x = 0.28 pose_goal.pose.position.y = -0.2 pose_goal.pose.position.z = 0.5 panda_arm.set_goal_state(pose_stamped_msg=pose_goal, pose_link="panda_link8") # plan to goal plan_and_execute(panda, panda_arm, logger) ``` En utilisant l'environnement de développement Jupyter Notebook [https://moveit.picknik.ai/main/doc/examples/jupyter\_notebook\_prototyping/jupyter\_notebook\_prototyping\_tutorial.html](https://moveit.picknik.ai/main/doc/examples/jupyter_notebook_prototyping/jupyter_notebook_prototyping_tutorial.html) ### Pilotage du bras robot par LeRobot (IA, VR, etc.) Environnement Python sous Windows ou Linux #### Contrôle du bras par clavier ou manette Avec LeRobot+Phospho [https://docs.phospho.ai/basic-usage/teleop](https://docs.phospho.ai/basic-usage/teleop) ou avec ROS2+MoveIt2 [https://moveit.picknik.ai/main/doc/examples/jupyter\_notebook\_prototyping/jupyter\_notebook\_prototyping\_tutorial.html](https://moveit.picknik.ai/main/doc/examples/jupyter_notebook_prototyping/jupyter_notebook_prototyping_tutorial.html) #### Contrôle du bras par Oculus Quest Compatible LeRobot (WIndows et Ubuntu) : - alternative gratuite et open source à phospho - [https://github.com/vladfatu/telerobot](https://github.com/vladfatu/telerobot) Depuis Windows : - Appli Oculus Phospho [https://docs.phospho.ai/examples/teleop](https://docs.phospho.ai/examples/teleop) - 222€ [https://www.meta.com/en-gb/experiences/phospho-teleoperation/8873978782723478/](https://www.meta.com/en-gb/experiences/phospho-teleoperation/8873978782723478/) Depuis Ubuntu avec ROS2 et moveit\_servo : - [https://github.com/ZorAttC/franka\_vr](https://github.com/ZorAttC/franka_vr) - [https://moveit.picknik.ai/main/doc/examples/realtime\_servo/realtime\_servo\_tutorial.html](https://moveit.picknik.ai/main/doc/examples/realtime_servo/realtime_servo_tutorial.html) - [https://github.com/rail-berkeley/oculus\_reader](https://github.com/rail-berkeley/oculus_reader) - Enable Oculus Quest development mode - Always allow USB debugging from this computer - Connexion USB (ADB) ou wifi Autre : [https://github.com/lts0429/teleoperation](https://github.com/lts0429/teleoperation) #### Contrôle du bras via un modèle d'IA [https://docs.phospho.ai/basic-usage/inference](https://docs.phospho.ai/basic-usage/inference) - Créer un compte huggingface.ia - Sign In dans phosphobot - Dans les paramètres, ajouter la clé d'API huggingface - Par défaut l'inférence du modèle d'IA qui permet de piloter le robot depuis l'image des caméras tournera sur un GPU sur les serveurs de huggingface ou phospho - On peut faire tourner l'inférence du modèle d'IA sur le PC local s'il a une bonne carte graphique NVidia - Suivre ces instructions : [https://github.com/phospho-app/phosphobot/tree/main/inference#setup-a-server](https://github.com/phospho-app/phosphobot/tree/main/inference#setup-a-server) - Démarrer le serveur d'inférence uv - `uv run ACT/server.py --model_id=