feat(module3): add simple competition workflow

module3/SIMPLE.md

@@ -0,0 +1,112 @@
+# Модуль В: простой вариант
+
+## 1. Нарезать видео на кадры
+
+Из корня репозитория:
+
+```bash
+mkdir -p module3/dataset/raw
+ffmpeg -i video.mp4 -vf fps=2 module3/dataset/raw/frame_%05d.jpg
+```
+
+Двух кадров в секунду обычно достаточно. Удали смазанные и почти одинаковые
+кадры. Оставь хотя бы 30–60 нормальных изображений.
+
+## 2. Разметить локально
+
+Один раз установить X-AnyLabeling в отдельное окружение:
+
+```bash
+python3 -m venv ~/.venvs/xanylabeling
+~/.venvs/xanylabeling/bin/pip install -U uv
+~/.venvs/xanylabeling/bin/uv pip install "x-anylabeling-cvhub[cpu]"
+```
+
+Открыть кадры:
+
+```bash
+~/.venvs/xanylabeling/bin/xanylabeling module3/dataset/raw \
+  --labels module3/dataset/classes.txt --autosave
+```
+
+Классы уже лежат в `dataset/classes.txt`:
+
+```text
+hammer
+pliers
+wrench
+```
+
+Нажми `R`, обведи каждый видимый инструмент прямоугольником, выбери класс,
+затем `D` для следующего кадра. После разметки выбери `File -> Export
+Annotations -> Export YOLO Annotations -> Detection`, укажи
+`dataset/classes.txt`. В `dataset/raw/labels` должны появиться TXT-файлы.
+
+Подготовить train/valid/test:
+
+```bash
+python3 module3/simple_prepare_dataset.py
+```
+
+Скрипт создаст `module3/training_new` и при повторном запуске пересоздаст только
+эту папку.
+
+## 3. Обучить через Ultralytics CLI
+
+```bash
+cd module3
+source .venv/bin/activate
+yolo detect train model=yolo11n.pt data=training_new/data.yaml epochs=30 patience=7 imgsz=512 batch=8 device=0 workers=4 project=training_new/runs name=tools
+cp training_new/runs/tools/weights/best.pt models/latest.pt
+```
+
+Если не хватает видеопамяти, поменяй только `batch=8` на `batch=4`.
+
+## 4. Показать работу модели в OpenCV
+
+На тестовых фотографиях:
+
+```bash
+python simple_module_b.py training_new/test/images
+```
+
+На исходном видео:
+
+```bash
+python simple_module_b.py /путь/к/video.mp4
+```
+
+На обычной USB-камере:
+
+```bash
+python simple_module_b.py 0
+```
+
+На изображении будут bounding box, класс и confidence. Результаты также пишутся
+в `logs/simple_module_b.log`. `Q` или `Esc` закрывает окно.
+
+## 5. Открыть и закрыть захват
+
+После запуска симулятора и контроллеров:
+
+```bash
+source /opt/ros/jazzy/setup.bash
+source ~/ros2_ws/install/setup.bash
+python3 module3/simple_gripper.py
+```
+
+Скрипт сначала открывает захват, по `Enter` закрывает и ещё по `Enter` снова
+открывает. Команды сохраняются в `module3/logs/simple_gripper.log`.
+
+Если нужно отдельно показать движение всей руки, используй выданный пример:
+
+```bash
+ros2 launch ar_webots_fms_ros2 moveit_api_example.launch.py
+```
+
+## Что сказать эксперту
+
+«Я нарезал видео на кадры, разметил три класса bounding box-ами, разделил
+датасет на train/valid/test и обучил YOLO11n через Ultralytics CLI. В OpenCV
+показываю класс, confidence и bounding box. Управление захватом отправляет ROS 2
+команду контроллеру RMC1, а события выводятся в терминал и сохраняются в лог».