Objectif¶

Pouvoir réaliser rapidement une maquette, en python, d'une interaction avec le robot Furhat, en faisant intervenir :

• synthèse et reconnaissance de parole via Furhat (et le cloud)
• détection des interlocuteurs avec la caméra de Furhat
• détection visuelle avec une caméra externe et YOLO (cartes et main vues de dessus par exemple)
• gestion du regard/orientation de la tête du robot vers les interlocuteurs ou les cartes détectées par YOLO

On découpera l'application sous forme d'un automate réactif, composé d'états simples (des objets python).
L'environnement d'exécution s'appuie aussi sur le middleware YARP [https://yarp.it/latest/], pour permettre la répartition des tâches entre plusieurs machines (Windows, Linux...) qui communiqueront par messages.

{Voir la vidéo résultat de l'après-midi Kaleidoscope avec 4 étudiants : [https://redmine.gipsa-lab.grenoble-inp.fr/attachments/1046]}

Squelette minimal :¶

On va s'appuyer sur lib_yarp_APP.py (et indirectement sur my_yarp.py) pour créer nos états, programmer des actions réactives et gérer les transitions entre états.

#! /usr/bin/env python3

# import app, furhat, State, AnyKeywords, yolo_center, yolo_target
from lib_yarp_APP import *

# create and run initial state, through its name
State("main")
app.run("main")

Gestion des évènements et perception :¶

Les états -- comme celui nommé "main" dans l'exemple précédent -- sont des objets dérivés de la classe State (ou d'une sous-classe). Les états doivent avoir des noms différents.
Pour implémenter des réactions à des évènements, il faut qu'ils fournissent une implémentation de tout ou partie des prototypes suivants :

do_in(self)	appelée lorsqu'on rentre nouvellement dans l'état. Par exemple pour dire un message de bienvenue.
do_out(self)	appelée lorsqu'on quitte l'état.
do_reco(self, key, msg)	msg contient la chaîne de parole reconnue par le robot. key peut faciliter la détection de certaines classes d'intention, indépendamment de leur formulation exacte. Il n'y en a pas beaucoup par défaut : "Oui{}" ou "Non{}" ou "Bonjour{}" "Fini{}" ... "Oui{}" "je suis d'accord" "Oui{}" "oui" "Oui{}" "ok" "unknown{}" "C'est complètement l'idée que je me faisais de la chose."
do_user_in(self, user)	un nouvel utilisateur a été détecté par le robot en face de lui. ... l'objet reçu a plusieurs champs: user.id qui peut être utilisé avec app.track() ou app.glance() user.location une chaine (str), directement utilisable avec app.look3D() user.visible vaudra True user.total rappelle combien d'utilisateurs sont détectés, celui-là compris user.mouthOpen peut aider à détecter qui parle (peu fiable...) user.attending vaut "system" si le robot pense qu'il est regardé par cet utilisateur. Il peut correspondre à un autre user-id si le robot croit détecter un regard dirigé vers un autre des interlocuteurs.
do_user_out(self, user)	l'utilisateur précédemment détecté comme user.id n'est plus visible (et user.visible vaudra donc False) On ne peut bien sûr plus localiser ou regarder cet utilisateur ! user.total vous informe s'il reste d'autres utilisateurs, et combien. ... Si c'était le dernier utilisateur vers qui vous aviez fait un app.attend() votre cible est perdue. C'est peut-être le moment de faire un app.attend("All") pour ne pas donner l'impression aux autres que vous les ignorez...
do_detect(self,yins,ydel,observations)	Cette méthode est appelée lorsque YOLO détecte des apparitions ou disparitions (de cartes, de mains...), ou régulièrement pour mettre à jour les observations et leurs positions. yins et ydel sont des sets python (itérables mais non indexables comme une liste ou un tableau !), possiblement vides. Par exemple* {} ou *{0,4} ou yins.pop() si yins n'est pas vide. ... Les labels (str) sont accessibles en indexant app.yolo_classes[] : 0 correspond à "HAND" (une main), 1 à "CARD" (une carte inconnue), les suivants sont des cartes identifiées ("Bouilloire verte"...). Si deux mains deviennent visibles/invisibles, un set ne contiendra 0 qu'une fois au maximum (au moment de l'apparition ou de la disparition), mais observations contiendra les références multiples, ainsi que les coordonnées. ... La chaîne (str) observations contient des informations et coordonnées sur chacun des objets visibles, concaténées avec "+". "" * ou *"id1 confidence x y w h" ou "id1 confidence x y w h+id2 conf2 x2 y2 w h" etc ... observations.split("+") isole donc chaque observation, et len(observations.split("+")) vous donne le nombre d'objets observés (peut-être 0...) ... pour retrouver s'il y a une/des mains : (d for d in observations.split("+") if d.startswith("0 ") )

On peut par exemple attacher une telle méthode directement à un ou plusieurs objets état :

State("main").set_behaviour(State.do_reco,catch_default_msg)
State("waiting").set_behaviour(State.do_reco,catch_default_msg)

Plus classiquement, on peut sous-classer State (ou une de ses sous-classes), comme ici:

class StateParrot(State):

  def do_reco(self,key,msg):
      app.say(msg)

StateParrot("repeat_as_parrot")
app.run("repeat_as_parrot")

Si on a besoin de plusieurs méthodes dans le même état, ou beaucoup d'états différents, il est probablement plus simple/lisible d'utiliser des sous-classes.
Si une méthode est utilisée dans plusieurs états, l'attacher aux instances est peut-être plus lisible, ou permet des modifications dynamiques.
Commencer par sous-classer State avec tous les comportements par défaut est aussi une possibilité.

Génération d'actions¶

Pour générer des actions/comportements, on s'appuie sur les états, à réception d'un événement ainsi que lorsqu'on y entre ou en sort.
On ne peut pas générer d'action régulière (idle), ou au bout d'un certain temps sans passer par ces évènements ou transitions. C'est un choix lié à la vitesse d'exécution sous Python et pour éviter de se retrouver avec beaucoup d'évènements en retard non traités.

Voici les actions possibles :

app.switch("etat2")	prépare la transition vers un autre état, via son nom (pas un objet). Elle ne sera pas instantanée, laissant le temps aux évènements déjà en attente d'être dépilés. En clair, c'est la même file d'attente pour les évènements et le changement d'état.
app.sayNB("texte à prononcer")	fait prononcer au robot le texte voulu. La suite du traitement des évènements va reprendre dès que la phrase commencera à être prononcée (NB = non blocking)
app.say("texte à prononcer")	fait prononcer au robot le texte voulu. Attention, l'appel est bloquant, jusqu'à ce que la phrase soit prononcée en entier : plus la phrase est longue, plus des évènements en retard vont s'empiler dans la pile de traitement...
app.track(target)	suit du regard la cible target Les valeurs possible sont "All", "Nobody" ou le user-id reçu lors d'un évènement USERIN
app.glance(target)	comme précédemment, mais seulement en jetant un coup d’œil
app.look("x y z",duration=Xms)	demande au robot de regarder aux coordonnées correspondant à la chaine (str) en paramètre, construite par exemple à partir d'un triplet de flottants: "%d %d %d"%(1,2,3) Le repère est centré sur les yeux au repos, les coordonnées sont en mètres (x-axis to the robot's left, the y-axis up, and z-axis to the front). Si duration est spécifiée (en millisecondes), le regard reviendra sur sa cible initiale une fois ce délai écoulé. Sans ce paramètre, le regard et l'orientation de la tête du robot seront changés de façon plus définitive.

Méthodes auxiliaires¶

AnyKeyword(**strings).isin(message)	pour tester la présence de l'un des mots clefs (synonymes) dans un message reçu par le robot. ... par exemple : if AnyKeyword('rouge','vert','bleu').isin(msg):
x,y = yolo_center(yolo_data)	à partir d'une des lignes détectées par YOLO, retourne la position détectée (x,y) Utile pour comparer des positions de cartes (droite, gauche, proches d'une autre ou de la main...).
id = yolo_target(yolo_data,duration=Xms)	à partir d'une des lignes détectées par YOLO, oriente tête et regard du robot vers la carte (ou main) correspondante, soit définitivement, soit temporairement si duration est passé en paramètre (durée en millisecondes). La valeur retournée id permet d'avoir le label correspondant via app.yolo_classes[id]