Intelligence artificielle avec le robot MR25<\/strong><\/span><\/h2>\nVoici un exemple simple de neurone perceptron \u00e0 2 entr\u00e9es utilisant les capteurs de proximit\u00e9 n\u00b02 et n\u00b04 du MR25.<\/p>\n
![\"\"](\"http:\/\/fr.macerobotics.com\/wp-content\/uploads\/sites\/4\/2026\/06\/Capture-decran-2026-06-02-203250.png\")
<\/a><\/p>\nVoici le principe de fonctionnement :<\/p>\n
Entr\u00e9es du neurone (capteurs de proximit\u00e9) :<\/strong><\/p>\n\n- \n
\n- x1 = proxSensor(2)<\/li>\n
- x2 = proxSensor(4)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
Sortie du neurone :<\/strong><\/p>\n\n- \n
\n- \n
\n- 0 \u2192 arr\u00eat du robot<\/li>\n
- 1 \u2192 avance du robot<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
Le calcul effectu\u00e9 par le neurone est :<\/p>\n
![\"\"](\"http:\/\/fr.macerobotics.com\/wp-content\/uploads\/sites\/4\/2026\/06\/Capture-decran-2026-06-02-201929.png\")
<\/a><\/p>\nAvec :<\/strong><\/p>\n\n- x<\/span>1<\/span><\/span><\/span>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/em> : valeur du capteur 2<\/li>\n
- x2 <\/span><\/span><\/em>: valeur du capteur 4<\/li>\n
- w1<\/span><\/em>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span> : poids associ\u00e9 au capteur 2<\/li>\n
- w2<\/span><\/em>\u200b<\/span><\/span><\/span><\/span><\/span><\/span><\/span><\/span> : poids associ\u00e9 au capteur 4<\/li>\n
- b<\/span><\/span><\/em>\u00a0: biais du neurone<\/li>\n
- s<\/span><\/span><\/em>\u00a0: somme pond\u00e9r\u00e9e<\/li>\n<\/ul>\n
Ensuite, une fonction d’activation \u00e0 seuil d\u00e9cide de la sortie du neurone :<\/p>\n
![\"\"](\"http:\/\/fr.macerobotics.com\/wp-content\/uploads\/sites\/4\/2026\/06\/Capture-decran-2026-06-02-202151.png\")
<\/a><\/p>\nLe perceptron est entra\u00een\u00e9 avec quelques exemples :<\/p>\n
\n- obstacle proche \u2192 stop le robot<\/li>\n
- espace libre \u2192 avancer le robot<\/li>\n<\/ul>\n
-> Si les deux capteurs d\u00e9tectent un espace libre (valeurs \u00e9lev\u00e9es), la somme est grande alors le robot avance.<\/p>\n
-> Si un obstacle est proche (valeur faible), la somme diminue \u2192 le robot MR25 s’arr\u00eate.<\/p>\n
![\"\"](\"http:\/\/www.macerobotics.com\/wp-content\/uploads\/2026\/06\/DSC03235-removebg-preview.png\")
<\/a><\/p>\nLe Programme<\/h2>\n # Mac\u00e9 RoboticsCe neurone perceptron constitue la base des r\u00e9seaux de neurones : un r\u00e9seau plus complexe n’est qu’un assemblage de nombreux perceptrons connect\u00e9s entre eux.<\/p>\n
Les am\u00e9liorations<\/h2>\n
Le perceptron \u00e0 2 entr\u00e9es est un bon point de d\u00e9part, mais pour ce robot il existe plusieurs am\u00e9liorations possibles. Voici quelques id\u00e9es :<\/p>\n
\n- Ajouter les autres capteurs n\u00b01, 3 et 5<\/strong><\/li>\n<\/ul>\n
Un neurone \u00e0 5 entr\u00e9es permettrait une meilleure perception :<\/p>\n
![\"\"](\"http:\/\/fr.macerobotics.com\/wp-content\/uploads\/sites\/4\/2026\/06\/Capture-decran-2026-06-02-214329.png\")
<\/a><\/p>\n\n- Ajouter les d\u00e9placements comme tourner \u00e0 droite ou \u00e0 gauche.<\/strong><\/li>\n<\/ul>\n
Par exemple :<\/p>\n
\n- Si obstacle \u00e0 droite \u2192 Alors tourner \u00e0 gauche<\/li>\n
- Si obstacle \u00e0 gauche \u2192 Alors tourner \u00e0 droite<\/li>\n
- Si voie libre \u2192 Alors avancer<\/li>\n<\/ul>\n
\n- Ajouter la valeur r\u00e9els des capteurs\u00a0<\/strong><\/li>\n<\/ul>\n
L’exemple pr\u00e9c\u00e9dent utilise un simple seul binaire qui fait perdre beaucoup d’information.<\/p>\n
On peux faire d\u00e9pendre la vitesse du robot de la sortie du neurone :<\/p>\n
vitesse = int(sortie * 50)Le robot MR25 ralentit lorsqu’il y a un obstacle.<\/p>\n
\n- Utiliser une fonction sigmoide comme fonction d’activation<\/strong><\/li>\n<\/ul>\n
La fonction d’activation pr\u00e9c\u00e9dent permet d’avoir une sortie binaire.<\/p>\n
![\"\"](\"http:\/\/fr.macerobotics.com\/wp-content\/uploads\/sites\/4\/2026\/06\/Capture-decran-2026-06-02-215206.png\")
<\/a><\/p>\nAvec cette fonction on obtient une probabilit\u00e9 en sortie du neurone :<\/p>\n
<\/a><\/p>\nVoici le principe de fonctionnement :<\/p>\n
Entr\u00e9es du neurone (capteurs de proximit\u00e9) :<\/strong><\/p>\n Sortie du neurone :<\/strong><\/p>\n Le calcul effectu\u00e9 par le neurone est :<\/p>\n Avec :<\/strong><\/p>\n Ensuite, une fonction d’activation \u00e0 seuil d\u00e9cide de la sortie du neurone :<\/p>\n Le perceptron est entra\u00een\u00e9 avec quelques exemples :<\/p>\n -> Si les deux capteurs d\u00e9tectent un espace libre (valeurs \u00e9lev\u00e9es), la somme est grande alors le robot avance.<\/p>\n -> Si un obstacle est proche (valeur faible), la somme diminue \u2192 le robot MR25 s’arr\u00eate.<\/p>\n Ce neurone perceptron constitue la base des r\u00e9seaux de neurones : un r\u00e9seau plus complexe n’est qu’un assemblage de nombreux perceptrons connect\u00e9s entre eux.<\/p>\n Le perceptron \u00e0 2 entr\u00e9es est un bon point de d\u00e9part, mais pour ce robot il existe plusieurs am\u00e9liorations possibles. Voici quelques id\u00e9es :<\/p>\n Un neurone \u00e0 5 entr\u00e9es permettrait une meilleure perception :<\/p>\n Par exemple :<\/p>\n L’exemple pr\u00e9c\u00e9dent utilise un simple seul binaire qui fait perdre beaucoup d’information.<\/p>\n On peux faire d\u00e9pendre la vitesse du robot de la sortie du neurone :<\/p>\n Le robot MR25 ralentit lorsqu’il y a un obstacle.<\/p>\n La fonction d’activation pr\u00e9c\u00e9dent permet d’avoir une sortie binaire.<\/p>\n Avec cette fonction on obtient une probabilit\u00e9 en sortie du neurone :<\/p>\n\n
\n
\n
\n
\n
<\/a><\/p>\n\n
<\/a><\/p>\n\n
<\/a><\/p>\nLe Programme<\/h2>\n
# Mac\u00e9 RoboticsLes am\u00e9liorations<\/h2>\n
\n
<\/a><\/p>\n\n
\n
\n
vitesse = int(sortie * 50)\n
<\/a><\/p>\n