前言
這次有幸可以前往在日本橫濱舉辦的IEEE ICRA(International Conference on Robotics and Automation)展覽，有許多的廠商以及學校在現場設攤，展出他們最新的設備產品以及技術研究，還有由學生以海報形式進行的研究發表，讓我們得以見識到在機器人各大領域中的最新知識，有應用在各方面的大語言模型(LLM)，還有用在自動駕駛上的新技術等。在會場繁多的資訊當中，我們選出了數個具有特色的內容，在文章中將會做簡單的分享講解。
F1Tenth自動駕駛競賽
活動網址：https://icra2024-race.f1tenth.org
專案網址：https://f1tenth.org
Github網址：https://github.com/f1tenth
使用運算裝置：Nvidia Jetson Orin Nano
自動駕駛是近幾年迅速竄紅的研究題目之一，有許多大型企業也有投入其中，但是對於學生或是個人而言，就顯得有點不知從何開始，那麼F1Tenth的車輛平台或許能夠成為踏入自動駕駛領域時的第一步。
圖片來源-f1tenth.org
F1Tenth是一個由研究者、工程師與自動駕駛愛好者組成的社群，旨在促進人們對於自動駕駛的興趣與思考能力，他們設計了一組開源的多用途車輛平台，基於該平台提供開放式課程，並且每年都會不定期地在各地舉行自動駕駛競賽，這次活動舉辦的就是2024年其中一場競賽。
圖片來源-f1tenth.org
車輛平台採用雙層的設計，下層是底盤：
- 使用1:10尺寸的遙控車進行改裝
- 無刷直流馬達
- 鋰聚合物(Li-Po)電池
上層則是自動駕駛的硬體設備：
- Nvidia Jetson Orin Nano邊緣運算設備
- Hokuyo 10LX光達
- ZED 2i或Realsense D455深度攝影機，或是其他網路攝影機(例如C270)
- 馬達控制板及電源轉換板
F1Tenth希望參與者專注在演算法上的突破，而非一昧追求更強勁的硬體，因此在競賽時會限制車輛硬體配置，讓參賽者都能在同一起跑線上競爭，更詳細的硬體清單請看材料表BOM(Bill Of Materials)：https://f1tenth.readthedocs.io/en/foxy_test/getting_started/build_car/bom.html#bill-of-materials
圖片來源-f1tenth.org
F1Tenth – Build文件：https://f1tenth.org/build.html
F1Tenth同時提供了完整且詳細的教學文件，從組裝與設定，到最後讓車輛可以自動駕駛，還有自動駕駛相關的知識整理可供使用者學習，以下是文件中比較重要的幾大部分：
圖片來源-f1tenth.org
F1Tenth – 組裝車體：https://f1tenth.readthedocs.io/en/foxy_test/getting_started/build_car/index.html#building-the-f1tenth-car
組裝交學中的每一步都有詳細的說明，照著做就能組出一台自己的F1Tenth平台。另外雖然文件上的型號還是NVIDIA Jetson NX，但目前在BOM上已經改為推薦使用大小相同，但效能增進了30倍的NVIDIA Jetson Orin Nano。
圖片來源-f1tenth.org
F1Tenth – 設定Jetson與周邊設備：https://f1tenth.readthedocs.io/en/foxy_test/getting_started/software_setup/index.html#configure-jetson-and-peripherals
車輛整體的系統都是建立在NVIDIA Jetson Orin Nano上，包含光達的資料處理、馬達的速度控制，並透過電腦使用WIFI遠端連線進行操作，跟我們最近發布的ROS2搬運機器人相同，對ROS2機器人有興趣的話可以從下方的連結看看我們部落格中的ROS2搬運機器人文章：https://blog.cavedu.com/?s=ROS2
圖片來源-f1tenth.org
F1Tenth – 模擬器：https://f1tenth.readthedocs.io/en/foxy_test/going_forward/simulator/index.html#f1tenth-simulator
另外他們也有製作模擬環境，可以連接ROS2系統，讓使用者可以在虛擬的賽道上測試車輛的參數，動圖中有顏色的小點就是光達在模擬環境中掃描到的障礙物，顏色越紅代表距離越近。
比賽的場地在展覽會場的其中一個角落，賽道使用塑膠風管包圍，當車輛偏離賽道時可以做為緩衝，避免損傷車體與設備，另外也比較容易收納。
第一天是賽前訓練，所有隊伍都會遙控車輛在賽道上跑個幾圈收集資料，在系統中把地圖建立完成，並用收集來的資料訓練自動駕駛模型，之後就開始進行調整與試跑。在這段期間每台車上都放了一個大盒子，這是因為要讓其他車輛的光達比較容易掃描到，避免發生追尾的事故。
第二天就開始進行資格賽，每個隊伍在指定時間內要讓車輛在賽道上不停地跑，儘量避免偏離賽道，時間結束後會以單圈最快速度與連續不停完成的圈數計分，超過一定分數就能晉級。
第三天則是決賽，採用單淘汰制，車輛會以一前一後的方式進行追逐，在指定時間內追上就是後追隊伍的勝利，反之，如果時間內沒有超過前車，就是前方隊伍獲勝。
以上就是我們在ICRA的見聞，未來如果還有機會參加類似的活動，將會繼續為大家帶來更多新知識，敬請期待！
相關文章
1、東京大學松尾實驗室-使用GPT4等大型語言模型(LLM)打造可自我恢復的通用服務機器人-NVIDIA AGX ORIN
2、Google DeepMind使用大語言模型LLM提示詞來產生你的機器人操作程式碼
〈ROS/ROS2 Autoware自動駕駛競賽F1Tenth-相關資料在這-使用NVIDIA Orin Nano〉這篇文章最早發佈於《CAVEDU教育團隊技術部落格》。