Aller au contenu
12 novembrejeu.
11 novembremer.
  1. Adafruit Blog22

    Contrôle gestuel par caméra seule : un système de 2002 pilotait le PC sans souris ni clavier

    Un article japonais de 2002 décrit un système qui lit les mouvements du bout des doigts et de la tête via une caméra CCD pour remplacer souris et clavier dans le contrôle d'un ordinateur personnel. La caméra constitue l'unique dispositif d'entrée : la saisie de texte s'effectue en dessinant les caractères en l'air, transmis à un système d'exploitation existant, et les auteurs ont aussi développé un logiciel de modélisation 3D et des contenus éducatifs réagissant aux mêmes gestes, dont une action « peering in » (se pencher pour observer un objet). Le texte couvre les pages 3 à 9 du volume 36, numéro 4, reçu en août 2002 et mis en ligne par J-STAGE en 2010.

  2. Seeed Studio58

    Seeed Studio : comment un robot interprète ce qu'il voit, déploiement pratique de YOLO, ByteTrack, SegFormer et FoundationPose sur Jetson

    Seeed Studio publie le module 04 de son cours de développement full-stack pour robots mobiles.

    Motif de la recommandation :Le tutoriel détaille le déploiement de YOLO11, ByteTrack, SegFormer et FoundationPose sur Jetson avec ROS 2, avec des points de vérification concrets pour chaque étape.

  3. Adafruit Blog58

    Le workflow HIL d'Andreas Spiess fait écrire le code ESP32 et exécuter les tests matériels par l'IA

    Andreas Spiess présente Embedded AI Harness, un framework qui relie l'IA au matériel et aux scripts de test pour écrire le firmware ESP32.

    Motif de la recommandation :Présente une méthode concrète où l'IA écrit le firmware ESP32 et le valide sur matériel réel via un banc Raspberry Pi, avec tests à quatre niveaux et injection de fautes.

  4. Adafruit Blog65

    ESP-WiFi-Jam-Detector : un détecteur d'interférences 2,4 et 5 GHz autonome basé sur une carte tactile ESP32-C5

    ESP-WiFi-Jam-Detector est un détecteur d'interférences radio en réception seule construit sur une carte tactile Waveshare ESP32-C5-Touch-LCD-3.5 et le code esp-sdr ESPARGOS. Il utilise le récepteur WiFi de l'ESP32-C5 pour balayer 2400 à 2483,5 MHz et 5150 à 5895 MHz à 80 MS/s, sans ordinateur. Au démarrage, il apprend une référence de 60 secondes du bruit RF ambiant, puis déclenche une alarme en cas de plancher de bruit large bande élevé, de porteuses bande étroite persistantes ou de signaux balayés, et signale les impulsions large bande comme suspectes. L'écran tactile affiche un spectre et un waterfall en direct ; avec une carte SD, il journalise les changements d'état et enregistre une image waterfall centrée sur les alarmes. Le firmware est open source sous GPL-3.0 et un binaire précompilé est disponible sur la page GitHub releases. Le README précise que le détecteur ne peut que montrer un changement de l'environnement RF, pas prouver une intention, et qu'un four à micro-ondes en fonctionnement ressemble à une interférence sur 2,4 GHz.

    Motif de la recommandation :Présente un détecteur de brouillage WiFi autonome basé sur ESP32-C5, avec code open source et firmware prêt à l'emploi, utile pour comprendre les perturbations RF en 2,4 et 5 GHz.

  5. AWS Machine Learning Blog40

    Amazon Bedrock : construire un data lake d'observabilité des invocations

    AWS publie un modèle CloudFormation pour centraliser les journaux d'invocation d'Amazon Bedrock de plusieurs comptes dans un data lake interrogeable via Athena. Le pipeline capture par appel le prompt, la réponse, les compteurs de tokens d'entrée et de sortie, le modèle utilisé, la raison d'arrêt, le compte, l'horodatage et le rôle IAM, puis convertit les logs en Parquet via Amazon Data Firehose. Les modèles CloudFormation, le code Lambda et les requêtes SQL sont disponibles dans le dépôt GitHub AWS Sample Bedrock Invocation Data Lake.

10 novembremar.
  1. Adafruit Blog58

    Localiser une vidéo grâce au bruit des avions qui la survolent

    Aaron Beckendorf présente sur Hackaday une technique de colsto qui permet de déterminer le lieu d'enregistrement d'une vidéo en analysant le bruit des avions qui la survolent. Ce bruit.

    Motif de la recommandation :L'article détaille une méthode qui exploite les courbes Doppler et les données ADS-B publiques pour localiser une vidéo à partir du bruit des avions.