Monkeycar

自作RCカー（Raspberry Pi）での走行・データ収集と、PCでの学習を一連で行う学習用プロジェクト。PC側で学習したモデルをラズパイへ転送し、推論・操舵を行います。学習用の自作CNNライブラリも同梱しています。

構成

• car-app: ラズパイ上でカメラ・ジョイスティック・モーター制御を行う走行アプリ
• pc-app: 走行データの学習パイプライン（モデル学習・転送）
• cnn: NumPyベースの自作CNNライブラリ

前提/環境

• Python 3.11以上
• パッケージ管理: uv
• 実行/タスク: make
• pc-app: Apple Silicon Mac で開発
• car-app: Debian bookworm（Raspberry Pi）で開発

基本ワークフロー

1. ホストPCとラズパイ両方に、git clone
2. ラズパイで走行・記録（cd car-app）
3. PCで学習（cd pc-app）
4. 学習済みモデルをラズパイへ転送（pc-app → car-app）pc-appにてmake pull / push
5. 推論走行（make autopilot in car-app）

car-app（ラズパイ側）概要

cd car-app

• 起動: make run
• オートパイロット: make autopilot
• 記録モード: make record

ジョイスティック操作

• X: オートパイロット ON/OFF
• B: 記録 ON/OFF
• Y: 終了（例外でループ終了）
• 左スティック X: ステアリング
• RT: スロットル

データ/モデル

• 記録データ: car-app/data/session_<timestamp>/
  • 画像: image/*.jpg
  • ラベル: records.csv
• 推論モデル: car-app/output/（config.json, params.pkl）

pc-app（学習側）概要

cd pc-app

• インストール: make install または uv sync
• 学習: make train
• ラズパイから取得: make pull
• ラズパイへ転送: make push

学習結果は pc-app/weights_bin/ に出力されます（params.pkl, config.json）。

cnn（自作CNNライブラリ）概要

• NumPyのみで実装された学習用CNN
• 形状デバッグログ対応（LOG_LEVEL=DEBUG）
• SGD/Adam対応

SSH/同期メモ

SSH

• ssh -A team40@team40.local
• -A でフォワーディングを有効にし、ラズパイからGitHubへコミット可能
• VS Code の SSH 機能を使うと便利