Entdecken Sie unsere
Ressourcen

In dieser Aktivität wird die Funktionsweise eines Farbsensors mit dem LEGO-Roboter Spike untersucht und herausgefunden, wiekünstliche Intelligenz über einen Prozess, der als überwachtes Lernen bezeichnet wird, lernen kann, bestimmte Farben zu erkennen und auf sie zu reagieren.

Die Schülerinnen und Schüler werden ein einfaches Tri-Objekt bauen, ein KI-Modell trainieren und beobachten, wie es eigenständig funktionieren kann.

🧩 Ziele der Aktivität

• Verstehen, wie ein Farbsensor funktioniert.
• Ein KI-Modell darauf trainieren, auf bestimmte Farben zu reagieren.
• Experimentieren mit Verallgemeinerung: Was passiert, wenn eine Farbe während des Lernens nicht gesehen wurde?
• Entdecken Sie die Grenzen und Stärken des maschinellen Lernens in einem konkreten Kontext.

🛠️ Benötigtes Material

• 1 LEGO Spike Prime-Set pro Gruppe von 2 bis 3 Schülerinnen und Schülern.
• Computer mit installierter AlphAI-Software.
• Gegenstände in verschiedenen Farben (idealerweise LEGO-Steine und Nicht-LEGO-Gegenstände).

🚀 Schritte der Aktivität

1. Farbsensor einrichten
   • Gehen Sie in AlphAI auf die Registerkarte "Sensoren", wählen Sie "Farbsensor" und dann "LEGO bricks - 9 Farben".
2. Teste die Farberkennung
   • Führen Sie verschiedene Steine unter den Sensor und beobachten Sie, welche Steine richtig erkannt werden.
   • Diskutieren Sie die Grenzen: Einige nahe liegende Nuancen werden manchmal falsch interpretiert.
3. Aktionen festlegen, die mit Farben verbunden sind
   • Wählen Sie auf der Registerkarte "Aktionen" einfache Aktionen (Töne, Emoticons, Bewegungen) aus.
   • Weisen Sie jeder erkannten Farbe eine Aktion zu.
4. Das Modell trainieren
   • Aktivieren Sie den "Lernmodus".
   • Zeigen Sie dem Sensor eine Farbe und klicken Sie dann auf die Aktion, die Sie zuordnen möchten.
   • Wiederholen Sie dies für jede Farbe. Der Lerndatenzähler erhöht sich mit jedem Beispiel.
5. Den Standalone-Modus testen
   • Klicken Sie auf die Schaltfläche "Selbstständig".
   • Der Roboter führt dann automatisch die Aktion aus, die der erkannten Farbe entspricht, basierend auf dem, was er gelernt hat.
6. Die Verallgemeinerung testen
   • Versuchen Sie es mit einer Farbe, die beim Lernen nicht verwendet wurde (z. B. Orange, wenn nur Rot trainiert wurde). Der Roboter wählt dann die nächstliegende Aktion.

🧹 Bereinigung der Daten

Es ist möglich, die Lerndaten zu überprüfen :

• Löschen Sie falsch beschriftete Daten.
• Beobachten Sie die Auswirkungen von verzerrten Daten oder zu geringen Datenmengen.

Dadurch wird deutlich, wie wichtig ein sauberer und ausgewogener Datensatz in jedem KI-Projekt ist.

🌈 Erweiterter Modus: Erkennung in RGB

Um noch weiter zu gehen, aktivieren Sie auf der Registerkarte Sensor den Modus "RGB " :

• Der Sensor erkennt nicht mehr feste Farben, sondern liest die Werte Rot, Grün, Blau (zwischen 0 und 255).
• Dadurch können Nicht-LEGO-Objekte mit vielfältigeren Farben erkannt werden.

Die Schülerinnen und Schüler können dann neue Verhaltensweisen in Abhängigkeit von der RGB-Wiedergabe trainieren, wodurch das Sortieren für Alltagsgegenstände realistischer wird.

🧠 Zusammengefasst

Diese Aktivität beleuchtet :

• Die Grundlagen desüberwachten Lernens.
• Die Bedeutung von Trainingsdaten für die Leistung eines KI-Modells.
• Konkrete Anwendungen der KI in einfachen, aber realistischen Szenarien (Mülltrennung, visuelle Erkennung usw.).

‍