Simulation d'agent intelligent autonome

Chaîne Python bout-en-bout : reconnaissance de pièces industrielles, planification STRIPS et navigation A*.

Python
Computer vision
KNN
K-Means
STRIPS
A*

Fixations industrielles triées pour la classification visuelle

Étape 1 — Vision par ordinateur

Acquisition et segmentation de boulons, vis, écrous et rondelles. Extraction de caractéristiques morphologiques et classification par KNN et K-Means après segmentation HSV.

Images originales des classes de fixations

Pièces segmentées et recadrées pour la classification

Nuage 3D de l'espace de caractéristiques par classe — Séparation dans l'espace de caractéristiques avant classification.

Étape 2 — Planification STRIPS

Modélisation de la réorganisation avec actions STRIPS/PDDL pour déplacer les pièces entre boîtes jusqu'à la configuration cible.

Étape 3 — Navigation A*

Simulation du transport de l'agent dans des labyrinthes 2D générés aléatoirement avec A*, complétant la chaîne perception-planification-navigation.

Labyrinthe résolu avec le chemin A* — Planification réussie dans un labyrinthe dynamique.