Piloter son chien robot depuis un smartphone demande une configuration précise, une application dédiée et un peu de patience. Ces étapes permettent de transformer un kit technique en un compagnon mobile réactif et sécurisé.
Le guide suit les étapes essentielles pour établir la connexion, comprendre les modes de contrôle, puis programmer le chien robot pour des tâches simples. Vous trouverez ci-dessous les points essentiels pour démarrer avec votre ChienConnecté.
A retenir :
- Connexion smartphone Bluetooth et Wi‑Fi sécurisée
- Modes RC, Performance, Pose et Essayer Démo
- Programmation Blockly et Python accessible aux débutants
- Modules CM4, caméra, écran et servomoteurs métalliques
Parlons d’abord de la connexion : Configuration initiale et affichage IP pour PiloteCanin
Avant toute manipulation, allumez votre RoboChien et vérifiez l’écran LCD afin d’obtenir l’adresse IP affichée. Selon ELECFREAKS, ce robot affiche l’adresse IP automatiquement, ce qui facilite la connexion depuis un smartphone.
Ensuite, lancez l’application WoufApp sur Android ou iOS et saisissez l’adresse IP indiquée par le robot. Ces réglages impactent ensuite les modes de contrôle via WoufApp.
Connexion réseau et adresse IP
Le CM4 XGO Lite propose un point d’accès temporaire pour initialiser la liaison réseau et partager l’adresse IP. Selon Raspberry Pi Foundation, le CM4 gère l’interface réseau et le flux vidéo pour le contrôle en temps réel.
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 les valeurs Pitch, Roll, Yaw
Caméra 5MP
Entrée vidéo pour IA
Utilisée pour FaceTrack et Yolo
ESP32
Carte pilote et interface série
Communication avec servos
Étapes de connexion :
- Allumer le robot et attendre l’affichage IP
- Lancer WoufApp puis entrer l’adresse IP
- Valider la connexion et vérifier l’état « Connecté »
- 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.
Interface mobile et modes de base
L’application propose plusieurs onglets : Performance, RC, Pose et Programme pour la programmation visuelle. Selon XGO documentation, le mode Performance donne accès à une vingtaine de postures prêtes à l’emploi.
Spécification
Valeur
Remarque
Servomoteurs
Couple 2,3 kg·cm
Engrenage métallique, précision 0,1 s/60°
Tension
4,8 V – 7,4 V
Deux accus 18650 à l’intérieur
Plage d’angle
0–300°
Rotation étendue pour articulations
Température
-20°C à +60°C
Conçu pour usage général
Contrôles et options :
- Mode Performance pour postures et animations
- Mode RC pour marche avant, arrière et virage
- Mode Pose pour contrôle six axes précis
- Bascule Auto stable pour correction automatique
Ces réglages préparent l’utilisateur aux options avancées et ouvrent la voie à la programmation. Comprendre ces modes facilite ensuite la programmation Blockly et Python.
Après la mise en réseau, maîtriser les modes : Commandes de marche et posture via WoufApp
Le passage du simple pilotage au contrôle fin demande d’explorer les paramètres de pas, hauteur et vitesse de marche. Selon ELECFREAKS, la fonction « Auto stable » s’appuie sur le capteur à six axes pour corriger la posture en temps réel.
La maîtrise des postures facilite l’utilisation en classe ou en atelier et améliore la fiabilité des démonstrations IA. Comprendre ces modes conduit naturellement vers la programmation visuelle et textuelle.
Mode Performance et commandes préconfigurées
Le mode Performance propose postures comme Debout, Assis et Poignée de main ainsi que mouvements ludiques. Ces fonctions permettent d’enseigner la robotique aux élèves tout en conservant un aspect ludique.
Postures prêtes à l’emploi :
- Debout stable pour démonstrations
- Assis pour interactions proches
- Se retourner pour séquences d’apprentissage
- Poignée de main pour animations pédagogiques
« En séance, les étudiants ont programmé une chorégraphie en Blockly en une heure, résultat très satisfaisant »
Marine L.
Mode Pose et ajustements six axes
Le contrôle six axes (X, Y, Z, Roll, Pitch, Yaw) permet des positions très précises pour la recherche ou la pédagogie. Selon Raspberry Pi Foundation, la combinaison CM4 et servos offre suffisamment de puissance pour ces contrôles fins.
Démo IA
Fonction
Remarque
Spectacle
Mouvements synchronisés et son
Usage ludique pour démonstration
FaceTrack
Suivi du visage en quasi‑temps réel
Bien pour interactions sociales
Yolo
Détection d’objets multiples
Reconnaissance jusqu’à vingt catégories
Couleur
Détection de blocs colorés
Utilisable en atelier éducatif
Éléments Blockly :
- 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 DogPilot avancé
Les développeurs peuvent importer le module XGOEDU et utiliser l’API pour piloter servos et capteurs en Python. Selon ELECFREAKS, le CM4 supporte des modèles légers pour la détection d’objets et le suivi en périphérie.
Pour aller plus loin, intégrez ROS pour orchestrer plusieurs nœuds et connecter des capteurs externes. Cette approche transforme SmartPattes en véritable CompagnonMobile programmable et évolutif.
- Activer Auto stable pour sécurité
- Ajuster hauteur et longueur de pas
- Tester la batterie avant démonstration
- Limiter vitesse en intérieur étroit
« Voir le robot suivre un visage a convaincu toute la promotion que l’IA peut être tangible »
Lucas R.
Ensuite, programmation et IA embarquée : Blockly, Python et edge computing pour SmartPattes
La programmation commence facilement avec l’éditeur Blockly accessible via le navigateur et l’adresse IP du robot. Selon XGO documentation, Blockly permet de générer du Python automatiquement et d’envoyer les commandes au robot en réseau.
Passer à Python et ROS permet d’exploiter pleinement l’edge computing du CM4 pour la détection et la classification en local. Cette montée en puissance ouvre la voie à des projets plus complexes pour les étudiants et les makers.
Blockly pour commencer à programmer SmartDoggy
L’interface Blockly offre blocs pour mouvements, servos et gestion du bras robotique sans écrire une ligne de code. L’utilisateur peut tester des gestes, enregistrer des séquences et exécuter des démos IA depuis l’interface Web.
Éléments Blockly :
- 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 DogPilot avancé
Les développeurs peuvent importer le module XGOEDU et utiliser l’API pour piloter servos et capteurs en Python. Selon ELECFREAKS, le CM4 supporte des modèles légers pour la détection d’objets et le suivi en périphérie.
Pour aller plus loin, intégrez ROS pour orchestrer plusieurs nœuds et connecter des capteurs externes. Cette approche transforme SmartPattes en véritable CompagnonMobile programmable et évolutif.
Réglages recommandés :
- Activer Auto stable pour sécurité
- Ajuster hauteur et longueur de pas
- Tester la batterie avant démonstration
- Limiter vitesse en intérieur étroit
« Voir le robot suivre un visage a convaincu toute la promotion que l’IA peut être tangible »
Lucas R.
Ensuite, programmation et IA embarquée : Blockly, Python et edge computing pour SmartPattes
La programmation commence facilement avec l’éditeur Blockly accessible via le navigateur et l’adresse IP du robot. Selon XGO documentation, Blockly permet de générer du Python automatiquement et d’envoyer les commandes au robot en réseau.
Passer à Python et ROS permet d’exploiter pleinement l’edge computing du CM4 pour la détection et la classification en local. Cette montée en puissance ouvre la voie à des projets plus complexes pour les étudiants et les makers.
Blockly pour commencer à programmer SmartDoggy
L’interface Blockly offre blocs pour mouvements, servos et gestion du bras robotique sans écrire une ligne de code. L’utilisateur peut tester des gestes, enregistrer des séquences et exécuter des démos IA depuis l’interface Web.
Éléments Blockly :
- 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 DogPilot avancé
Les développeurs peuvent importer le module XGOEDU et utiliser l’API pour piloter servos et capteurs en Python. Selon ELECFREAKS, le CM4 supporte des modèles légers pour la détection d’objets et le suivi en périphérie.
Pour aller plus loin, intégrez ROS pour orchestrer plusieurs nœuds et connecter des capteurs externes. Cette approche transforme SmartPattes en véritable CompagnonMobile programmable et évolutif.
