Le chien robot moderne combine commande vocale, capteurs et servomoteurs pour des interactions naturelles. Il répond aux ordres vocaux via une connexion Bluetooth ou un réseau local pour une commande à distance.
Cette synthèse pratique décrit le branchement, les modes et la programmation pour un robot éducatif et domestique. La suite précise les réglages essentiels pour établir la connexion Bluetooth et démarrer la programmation.
A retenir :
- Connexion smartphone Bluetooth et IP affichée sur écran
- Modes RC, Performance, Pose et programme visuel disponibles
- Programmation Blockly pour débutants, export Python pour avancés
- Modules CM4, caméra 5MP, servomoteurs métalliques, fonctions d’IA
Connexion Bluetooth et configuration initiale du chien robot
Après ces points essentiels, la connexion initiale reste l’étape clé pour piloter le robot. Allumez le robot et vérifiez l’écran IPS pour obtenir l’adresse IP locale affichée, puis connectez le smartphone en Wi‑Fi local. Selon ELECFREAKS, ce modèle affiche l’adresse automatiquement, facilitant la connexion depuis le smartphone.
Procédure de connexion :
- Allumer le robot et attendre l’affichage IP
- Lancer WoufApp et saisir l’adresse IP
- Vérifier l’état « Connecté » dans l’application
- Redémarrer l’application en cas de non‑réponse
« J’ai connecté mon chien robot en moins de trois minutes, l’écran indiquait l’IP et l’app a pris le relais »
Alex D.
Affichage IP et point d’accès CM4 pour la mise en réseau
Pour établir la liaison, l’affichage IP sur l’écran IPS permet d’identifier l’adresse du robot. Selon Raspberry Pi Foundation, le CM4 gère l’interface réseau et le flux vidéo pour le contrôle en quasi‑temps réel.
Configurer WoufApp pour la commande à distance
L’étape suivante consiste à configurer l’application qui commande le chien robot à distance. Lancer WoufApp, saisir l’adresse IP affichée, puis valider l’état « Connecté » pour piloter et accéder aux modes.
Composant
Rôle
Remarque
Raspberry Pi CM4
Edge AI et vision par ordinateur
Traitement local des modèles
Écran IPS 2,0″
Affichage IP et démos
Affiche Pitch, Roll et Yaw
Caméra 5MP
Entrée vidéo pour IA
Utilisée pour FaceTrack et Yolo
ESP32
Carte pilote et interface série
Communication avec servos
La mise en réseau conditionne ensuite l’activation des modes de pilotage et d’IA en temps réel. Ce passage ouvre la voie à l’interface mobile et aux fonctions d’interaction vocale avancées.
Modes de contrôle et interaction vocale du chien robot
Après la configuration réseau, l’utilisateur découvre les modes de pilotage et l’interaction vocale. Selon XGO documentation, le mode Performance propose une vingtaine de postures prêtes à l’emploi pour démonstrations et enseignement. Selon ELECFREAKS, la fonction Auto stable s’appuie sur le capteur six axes pour corriger la posture en temps réel.
Interface mobile : onglets Performance, RC et Programme
L’interface mobile rassemble onglets Performance, RC, Pose et Programme pour divers usages. Ces modes permettent de passer d’une commande simple à une démonstration synchronisée avec sons et lumières.
Réglages recommandés pour démonstration :
- Activer Auto stable pour sécurité
- Ajuster hauteur et longueur de pas
- Tester la batterie avant démonstration
- Limiter vitesse en intérieur étroit
« En séance, les étudiants ont programmé une chorégraphie en Blockly en une heure, résultat très satisfaisant »
Marine L.
Ajustements six axes et précision des postures
Le mode Pose utilise six axes pour positionner précisément chaque articulation du robot. La combinaison CM4 et servomoteurs métalliques assure la puissance nécessaire pour ces contrôles fins.
Spécification
Valeur
Remarque
Couple servomoteurs
2,3 kg·cm
Engrenage métallique, précision élevée
Tension opératoire
4,8 V – 7,4 V
Deux accus 18650 internes
Plage d’angle
0–300°
Rotation étendue pour articulations
Température
-20°C à +60°C
Usage général et démonstration
La maîtrise des modes et réglages ouvre l’étape suivante, la programmation et l’intégration d’IA embarquée. La suite décrit Blockly, Python et l’exploitation de l’edge AI pour l’automatisation.
Programmation, intelligence artificielle et automatisation pour ordres vocaux
Avec les réglages acquis, la programmation permet d’automatiser les ordres vocaux et les scénarios de domotique locale. Selon XGO documentation, Blockly génère du Python et facilite l’apprentissage en milieu scolaire et maker. Pour aller plus loin, l’intégration ROS rend possible l’orchestration de plusieurs nœuds et capteurs externes.
Blockly pour enseigner la programmation du chien robot
Blockly représente l’approche idéale pour initier la programmation du chien robot sans syntaxe complexe. L’interface Web permet d’assembler blocs de mouvement, conditions et actions sonores puis d’exécuter la séquence via réseau.
Éléments Blockly disponibles :
- Blocs de mouvement pour jambes et bras
- Blocs de conditions pour détection caméra
- Blocs sonores pour aboiements programmés
- Bloc Run pour exécution réseau instantanée
« Après quelques essais, j’ai converti mon script Blockly en Python et enrichi le comportement du robot »
Camille P.
Python, ROS et edge AI pour intégration avancée et domotique
Pour aller plus loin, Python et ROS exploitent l’edge computing du CM4 pour la détection et la classification en local. Selon ELECFREAKS, le CM4 supporte des modèles légers tels que FaceTrack et Yolo pour une interaction vocale contextualisée. L’IA embarquée permet d’enchaîner actions, notifications domotiques et retours sonores pour une véritable automatisation domestique.
« Voir le robot suivre un visage a convaincu toute la promotion que l’IA peut être tangible »
Lucas R.
Pour illustrer la configuration et les démonstrations, la vidéo ci-dessous montre un exemple de mise en route et d’exécution d’ordres vocaux via Bluetooth. Cette ressource complète les étapes et facilite l’apprentissage pratique des équipes pédagogiques.
En complément, la ressource suivante détaille la programmation Blockly et la conversion vers Python pour des comportements complexes. Tester les scripts dans un environnement contrôlé aide à valider la sécurité et la robustesse des routines d’automatisation.
