feat: added dimensions

control.py

@@ -0,0 +1,453 @@
+import math
+import numpy as np
+
+
+def sandbox(t):
+    """
+    python simulator.py -m sandbox
+
+    Un premier bac à sable pour faire des expériences
+
+    La fonction reçoit le temps écoulé depuis le début (t) et retourne une position cible
+    pour les angles des 12 moteurs
+
+    - Entrée: t, le temps (secondes écoulées depuis le début)
+    - Sortie: un tableau contenant les 12 positions angulaires cibles (radian) pour les moteurs
+    """
+
+    # Par exemple, on envoie un mouvement sinusoidal
+    targets = [0] * 12
+    targets[0] = t ** 3
+    targets[1] = 0
+    targets[2] = 0
+    targets[3] = t ** 3
+    targets[4] = 0
+    targets[5] = 0
+    targets[6] = t ** 3
+    targets[7] = 0
+    targets[8] = 0
+    targets[9] = t ** 3
+    targets[10] = 0
+    targets[11] = 0
+
+    return targets
+
+
+def direct(alpha, beta, gamma):
+    """
+    python simulator.py -m direct
+
+    Le robot est figé en l'air, on ne contrôle qu'une patte
+
+    Reçoit en argument la cible (alpha, beta, gamma) des degrés de liberté de la patte, et produit
+    la position (x, y, z) atteinte par le bout de la patte
+
+    - Sliders: les angles des trois moteurs (alpha, beta, gamma)
+    - Entrées: alpha, beta, gamma, la cible (radians) des moteurs
+    - Sortie: un tableau contenant la position atteinte par le bout de la patte (en mètres)
+    """
+    l1, l2, l3 = 45, 65, 87
+
+    """Prend en entrée les angles moteurs et produit la position atteinte"""
+    xp = l1 + math.cos(beta) * l2 + math.cos(beta + gamma) * l3
+    yp = math.sin(beta) * l2 + math.sin(beta + gamma) * l3
+
+    x = math.cos(alpha) * xp
+    y = math.sin(alpha) * xp
+    z = yp
+
+    return x, y, z
+
+
+from math import *
+
+l1h = 0.049
+l1v = 0.032
+l1 = sqrt(l1h ** 2 + l1v ** 2)
+
+l2h = 0.0605
+l2v = 0.02215
+l2 = sqrt(l2h ** 2 + l2v ** 2)
+
+l3h = 0.013
+l3v = 0.093
+l3 = sqrt(l3h ** 2 + l3v ** 2)
+
+tete_x = 0.095
+patte_x = 0.032
+patte_y = 0.079
+
+
+def inverse(x, y, z):
+    """
+    python simulator.py -m inverse
+
+    Le robot est figé en l'air, on ne contrôle qu'une patte
+
+    Reçoit en argument une position cible (x, y, z) pour le bout de la patte, et produit les angles
+    (alpha, beta, gamma) pour que la patte atteigne cet objectif
+
+    - Sliders: la position cible x, y, z du bout de la patte
+    - Entrée: x, y, z, une position cible dans le repère de la patte (mètres), provenant du slider
+    - Sortie: un tableau contenant les 3 positions angulaires cibles (en radians)
+    """
+    # Dimensions (m)
+
+
+    theta0 = atan2(y, x)
+
+    l = sqrt((x - l1h*cos(theta0)) ** 2 + (y - l1h*sin(theta0)) ** 2 + (z + l1v) ** 2)
+
+
+    param2 = -1 * (-(l ** 2) + l2 ** 2 + l3 ** 2) / (2 * l2 * l3)
+
+    if param2 > 1 or param2 < -1:
+        print("\033[94m" + f"Tentative d'acces a une position impossible (param2) ({x}, {y}, {z})" + "\033[0m")
+        param2 = 1 if param2 > 1 else -1
+
+    theta2 = acos(param2)
+
+    param1 = (-l3 ** 2 + l2 ** 2 + l ** 2) / (2 * l2 * l)
+    if param1 > 1 or param1 < -1:
+        print("\033[94m" + f"Tentative d'acces a une position impossible (param1) ({x}, {y}, {z})" + "\033[0m")
+        param1 = 1 if param1 > 1 else -1
+
+    theta1 = acos(param1) + asin(z / l)
+
+    return [-theta0, theta1, theta2]
+
+
+def draw(t):
+    """
+    python simulator.py -m draw
+
+    Le robot est figé en l'air, on ne contrôle qu'une patte
+
+    Le but est, à partir du temps donné, de suivre une trajectoire de triangle. Pour ce faire, on
+    utilisera une interpolation linéaire entre trois points, et la fonction inverse précédente.
+
+    - Entrée: t, le temps (secondes écoulées depuis le début)
+    - Sortie: un tableau contenant les 3 positions angulaires cibles (en radians)
+    """
+
+    def interpol(x2, y2, z2, x1, y1, z1, t):
+        return t * x1 + (1 - t) * x2, t * y1 + (1 - t) * y2, t * z1 + (1 - t) * z2
+
+    p1 = [0.15, 0, 0]
+    p2 = [0.1, 0.1, 0]
+    p3 = [0.1, 0, 0.05]
+
+    positions = [p1, p2, p3]
+
+    ratio = (t % 1)
+    partie = floor((t % 3))
+    partie2 = (partie + 1) % 3
+    # print(f"partie: {partie}, partie2: {partie2}")
+    wanted_origin_x, wanted_origin_y, wanted_origin_z = positions[partie][0], positions[partie][1], positions[partie][
+        2],
+    wanted_dest_x, wanted_dest_y, wanted_dest_z = positions[partie2][0], positions[partie2][1], positions[partie2][2],
+    # print(wanted_origin_x, wanted_origin_y, wanted_origin_z)
+    # print(wanted_dest_x, wanted_dest_y, wanted_dest_z)
+    # print(t)
+    wanted_x, wanted_y, wanted_z = interpol(wanted_origin_x, wanted_origin_y, wanted_origin_z, wanted_dest_x,
+                                            wanted_dest_y, wanted_dest_z, ratio)
+
+    return inverse(wanted_x, wanted_y, wanted_z)
+
+
+def legs(targets_robot):
+    """
+    python simulator.py -m legs
+
+    Le robot est figé en l'air, on contrôle toute les pattes
+
+    - Sliders: les 12 coordonnées (x, y, z) du bout des 4 pattes
+    - Entrée: des positions cibles (tuples (x, y, z)) pour le bout des 4 pattes
+    - Sortie: un tableau contenant les 12 positions angulaires cibles (radian) pour les moteurs
+    """
+
+    targets = [0] * 18
+
+    cos_val = [1, 1, 0, -1, -1, 0]
+    sin_val = [0, 0, 1, 0, 0, -1]
+
+    offset_x = [patte_x, patte_x, tete_x, patte_x, patte_x, tete_x]
+    offset_y = [patte_y, patte_y, 0, patte_y, patte_y, 0]
+
+    for i in range(6):
+        target_x, target_y, target_z = targets_robot[i]
+
+        target_x = cos_val[i] * target_x + sin_val[i] * target_x
+        target_y = cos_val[i] * target_y + sin_val[i] * target_y
+
+        target_x += patte_x * offset_x[i]
+        target_y += patte_y * offset_y[i]
+
+        alpha, beta, gamma = inverse(target_x, target_y, target_z)
+        targets[3 * i] = alpha
+        targets[3 * i + 1] = beta
+        targets[3 * i + 2] = gamma
+
+    return targets
+
+
+def interpol2(point2, point1, t):
+    x1, y1, z1 = point1
+    x2, y2, z2 = point2
+    return t * x1 + (1 - t) * x2, t * y1 + (1 - t) * y2, t * z1 + (1 - t) * z2
+
+
+def walkV1(t, speed_x, speed_y, speed_rotation):
+    """
+    python simulator.py -m walk
+
+    Le but est d'intégrer tout ce que nous avons vu ici pour faire marcher le robot
+
+    - Sliders: speed_x, speed_y, speed_rotation, la vitesse cible du robot
+    - Entrée: t, le temps (secondes écoulées depuis le début)
+            speed_x, speed_y, et speed_rotation, vitesses cibles contrôlées par les sliders
+    - Sortie: un tableau contenant les 12 positions angulaires cibles (radian) pour les moteurs
+    """
+    # t = t*speed_x * 20
+    num_patte = 4
+    slider_max = 0.200
+
+    neutral_position = np.array([
+        [-0.06, 0.06, -0.13],
+        [-0.06, -0.06, -0.13],
+        [0.06, -0.06, -0.13],  # [0.15, 0.15, -0.01],
+        [0.06, 0.06, -0.13]
+    ])
+
+    real_position = np.copy(neutral_position)
+
+    movement_x = np.array([
+        [0.0, 0, 0],
+        [0.06, 0, 0],
+        [-0.06, 0, 0],
+    ])
+
+    movement_y = np.array([
+        [0.0, 0, 0],
+        [0, 0.06, 0],
+        [0, -0.06, 0],
+    ])
+
+    movement_z = np.array([
+        [0, 0, 0.02],
+        [0, 0, -0.01],
+        [0, 0, -0.01]
+    ])
+
+    step_duration = np.array([0.05, 0.3, 0.05])
+
+    step_count = len(movement_z)
+    movement_duration = np.sum(step_duration)
+
+    assert len(
+        step_duration) == step_count, f"all movements steps must have a length, currently, {len(step_duration)}/{step_count} have them"
+
+    def get_current_step(t):
+        time_passed = 0
+        for i in range(len(step_duration)):
+            time_passed += step_duration[i]
+            if t % movement_duration < time_passed:
+                return i
+
+    def get_current_step_advancement(t):
+        current_step = get_current_step(t)
+        t = t % movement_duration
+        for i in range(0, current_step):
+            t -= step_duration[i]
+        return t / step_duration[current_step]
+
+    def get_next_step(t):
+        return floor((get_current_step(t) + 1) % step_count)
+
+    def rotate(patte):
+        return [1, -1, -1, 1][
+            patte] * movement_x  # + [-1, 1, -1, 1][patte] * movement_y # mettre des 0 partout sur le Y fait une très belle rotation
+
+    def normalize(matrix, slider_max, speed):
+        return (matrix / slider_max) * speed
+
+    offsets = np.array([0, 0.5, 0, 0.5]) * movement_duration  # offset between each leg
+    assert len(offsets) == num_patte, f"all offsets must be set, currently, {len(offsets)}/{num_patte} have them"
+
+    for patte in range(num_patte):
+        time = t + offsets[patte]
+        mov_index_start = get_current_step(time)
+        mov_index_end = get_next_step(time)
+
+        mov_start_x = normalize(movement_x[mov_index_start], slider_max, speed_x)
+        mov_end_x = normalize(movement_x[mov_index_end], slider_max, speed_x)
+
+        mov_start_y = normalize(movement_y[mov_index_start], slider_max, speed_y)
+        mov_end_y = normalize(movement_y[mov_index_end], slider_max, speed_y)
+
+        mov_start_z = movement_z[mov_index_start]
+        mov_end_z = movement_z[mov_index_end]
+
+        mov_start_rotate = normalize(rotate(patte)[mov_index_start], 0.5, speed_rotation)
+        mov_end_rotate = normalize(rotate(patte)[mov_index_end], 0.5, speed_rotation)
+
+        mov_start = neutral_position[patte] + mov_start_z + mov_start_x + mov_start_y + mov_start_rotate
+        mov_end = neutral_position[patte] + mov_end_z + mov_end_x + mov_end_y + mov_end_rotate
+
+        (real_position[patte][0],
+         real_position[patte][1],
+         real_position[patte][2]) = interpol2(mov_start, mov_end, get_current_step_advancement(time))
+        print(
+            f"[{patte}] [{get_current_step(time)}->{get_next_step(time)}], start: {mov_start}, end: {mov_end}, current ({real_position[patte][0]}, {real_position[patte][1]}, {real_position[patte][2]})")
+
+    return legs(real_position)
+
+
+def translate(tx, ty, tz):
+    return np.array([
+        [1.0, 0.0, 0.0, tx],
+        [0.0, 1.0, 0.0, ty],
+        [0.0, 0.0, 1.0, tz],
+        [0.0, 0.0, 0.0, 1.0],
+    ])
+
+
+def Rx(alpha):
+    return np.array([
+        [1.0, 0.0, 0.0, 0.0],
+        [0.0, np.cos(alpha), -np.sin(alpha), 0.0],
+        [0.0, np.sin(alpha), np.cos(alpha), 0.0],
+        [0.0, 0.0, 0.0, 1.0],
+    ])
+
+
+def Ry(alpha):
+    return np.array([
+        [np.cos(alpha), 0.0, -np.sin(alpha), 0.0],
+        [0.0, 1.0, 0.0, 0.0],
+        [np.sin(alpha), 0.0, np.cos(alpha), 0.0],
+        [0.0, 0.0, 0.0, 1.0],
+    ])
+
+
+def Rz(alpha):
+    return np.array([
+        [np.cos(alpha), -np.sin(alpha), 0.0, 0.0],
+        [np.sin(alpha), np.cos(alpha), 0.0, 0.0],
+        [0.0, 0.0, 1.0, 0.0],
+        [0.0, 0.0, 0.0, 1.0],
+    ])
+
+
+# multiplication de matrices: @
+# gauche: monde, droite: repere
+
+def walkV2(t, speed_x, speed_y, speed_rotation):
+    def get_rotation_center(speed_x, speed_y, theta_point):
+        direction = np.array([-speed_y, speed_x])
+        return direction / max(0.001, theta_point)
+
+    x0, y0 = get_rotation_center(speed_x, speed_y, speed_rotation)
+
+    print(x0, y0)
+
+    """
+    python simulator.py -m walk
+
+    Le but est d'intégrer tout ce que nous avons vu ici pour faire marcher le robot
+
+    - Sliders: speed_x, speed_y, speed_rotation, la vitesse cible du robot
+    - Entrée: t, le temps (secondes écoulées depuis le début)
+            speed_x, speed_y, et speed_rotation, vitesses cibles contrôlées par les sliders
+    - Sortie: un tableau contenant les 12 positions angulaires cibles (radian) pour les moteurs
+    """
+    # t = t*speed_x * 20
+    num_patte = 4
+    slider_max = 0.200
+
+    neutral_position = np.array([
+        [-0.06, 0.06, -0.13],
+        [-0.06, -0.06, -0.13],
+        [0.06, -0.06, -0.13],  # [0.15, 0.15, -0.01],
+        [0.06, 0.06, -0.13]
+    ])
+
+    real_position = np.copy(neutral_position)
+
+    movement_z = np.array([
+        [0, 0, 0.02],
+        [0, 0, -0.01],
+        [0, 0, -0.01]
+    ])
+
+    step_duration = np.array([0.05, 0.3, 0.05])
+
+    step_count = len(movement_z)
+    movement_duration = np.sum(step_duration)
+
+    assert len(
+        step_duration) == step_count, f"all movements steps must have a length, currently, {len(step_duration)}/{step_count} have them"
+
+    def get_current_step(t):
+        time_passed = 0
+        for i in range(len(step_duration)):
+            time_passed += step_duration[i]
+            if t % movement_duration < time_passed:
+                return i
+
+    def get_current_step_advancement(t):
+        current_step = get_current_step(t)
+        t = t % movement_duration
+        for i in range(0, current_step):
+            t -= step_duration[i]
+        return t / step_duration[current_step]
+
+    def get_next_step(t):
+        return floor((get_current_step(t) + 1) % step_count)
+
+    offsets = np.array([0, 0.5, 0, 0.5]) * movement_duration  # offset between each leg
+    assert len(offsets) == num_patte, f"all offsets must be set, currently, {len(offsets)}/{num_patte} have them"
+
+    for patte in range(num_patte):
+        time = t + offsets[patte]
+        mov_index_start = get_current_step(time)
+        mov_index_end = get_next_step(time)
+
+        mov_start_z = movement_z[mov_index_start]
+        mov_end_z = movement_z[mov_index_end]
+
+        mov_start = neutral_position[patte] + mov_start_z
+        mov_end = neutral_position[patte] + mov_end_z
+
+        (real_position[patte][0],
+         real_position[patte][1],
+         real_position[patte][2]) = interpol2(mov_start, mov_end, get_current_step_advancement(time))
+
+        dthteta = speed_rotation * 2
+
+        theta = dthteta * (get_current_step_advancement(time) - 0.5)
+        # theta = 0
+        print(theta)
+        # rotating the vector
+        x1, y1 = real_position[patte][0], real_position[patte][1]
+        print(f"x1: {x1}, y1: {y1}")
+        x1t, y1t = x1 - x0, y1 - y0
+        x2t, y2t = x1t * cos(theta) + y1t * sin(theta), x1t * sin(theta) + y1t * cos(theta)
+        x2, y2 = x2t + x0, y2t + y0
+        print(f"x2: {x2}, y2: {y2}")
+        if mov_index_start == 1:
+            # theta += time
+            # xp = d * cos(theta) + real_position[patte][0]
+            real_position[patte][0] = x2
+            real_position[patte][1] = y2
+
+        # print(
+        #    f"[{patte}] [{get_current_step(time)}->{get_next_step(time)}], start: {mov_start}, end: {mov_end}, current ({real_position[patte][0]}, {real_position[patte][1]}, {real_position[patte][2]})")
+
+    return legs(real_position)
+
+
+walk = walkV1
+
+if __name__ == "__main__":
+    print("N'exécutez pas ce fichier, mais simulator.py")