Zapoznaj się z naszymimateriałami na stronie

‍

To ćwiczenie pozwala zapoznać się z działaniem czujnika kolorów w robocie LEGO Spike oraz dowiedzieć się, w jaki sposóbsztuczna inteligencja może nauczyć się rozpoznawać określone kolory i reagować na nie w ramach procesu zwanego uczeniem nadzorowanym.

Uczniowie zbudują prostą maszynę do sortowania, wytrenują model sztucznej inteligencji i sprawdzą, jak działa on samodzielnie. Kolejnym logicznym krokiem po tym ćwiczeniu jest zbudowanie sortownika odpadów.

🧩 Cele zajęć

• Zrozumieć, jak działa czujnik koloru.
• Wyszkolenie modelu sztucznej inteligencji tak, aby reagował na określone kolory.
• Sprawdzenie uogólnienia: co się stanie, jeśli podczas uczenia się nie pojawił się dany kolor?
• Poznać ograniczenia i zalety uczenia maszynowego w praktyce.

🛠️ Potrzebne materiały

• 1 zestaw LEGO Spike Prime na grupę składającą się z 2–3 uczniów.
• Komputer z zainstalowanym oprogramowaniem AlphAI.
• Przedmioty w różnych kolorach (najlepiej klocki LEGO i przedmioty inne niż LEGO).

🚀 Etapy zadania

1. Skonfiguruj czujnik koloru
   • W AlphAI przejdź do zakładki „Czujniki”, wybierz „Czujnik koloru”, a następnie wybierz „Klocki LEGO – 9 kolorów”.
2. Sprawdź rozpoznawanie kolorów
   • Przesuń różne klocki pod czujnikiem, aby sprawdzić, które z nich zostaną poprawnie rozpoznane.
   • Omówcie granice: niektóre podobne niuanse są czasami błędnie interpretowane.
3. Zdefiniuj działania powiązane z kolorami
   • W zakładce „Akcje” wybierz proste akcje (dźwięki, emotikony, ruchy).
   • Przypisz akcję do wykrytego koloru.
4. Trenowanie modelu
   • Włącz tryb „Uczenia się”.
   • Pokaż czujnikowi kolor, a następnie kliknij akcję, którą chcesz przypisać.
   • Powtórz tę czynność dla każdego koloru. Liczba danych szkoleniowych rośnie wraz z każdym przykładem.
5. Wypróbuj tryb autonomiczny
   • Kliknij przycisk „Autonomiczny”.
   • Robot automatycznie wykonuje wówczas czynność odpowiadającą wykrytej barwie, zgodnie z tym, czego się nauczył.
6. Sprawdzenie uogólnienia
   • Spróbuj użyć koloru, którego nie wykorzystano podczas uczenia (np. pomarańczowego, jeśli trenowano tylko kolor czerwony). Robot wybierze wtedy najbliższą akcję.

🧹 Czyszczenie danych

Można przejrzeć dane dotyczące nauki:

• Usuń dane nieprawidłowo oznaczone.
• Zwróć uwagę na skutki, jakie mogą mieć dane tendencyjne lub niewystarczające.

Pozwala to zrozumieć, jak ważny jest czysty i zrównoważony zbiór danych w każdym projekcie związanym ze sztuczną inteligencją.

🌈 Tryb zaawansowany: wykrywanie w trybie RGB

Aby uzyskać więcej informacji, włącz tryb „RGB” w zakładce „Czujnik”:

• Czujnik nie rozpoznaje już stałych kolorów, lecz odczytuje wartości czerwieni, zieleni i niebieskiego (w zakresie od 0 do 255).
• Dzięki temu można wykrywać przedmioty inne niż klocki LEGO, które mają bardziej zróżnicowaną kolorystykę.

Uczniowie mogą w ten sposób ćwiczyć nowe zachowania w oparciu o odczyt RGB, co sprawia, że sortowanie przedmiotów codziennego użytku staje się bardziej realistyczne.

🧠 Podsumowując

To ćwiczenie zwraca uwagę na:

• Podstawyuczenia nadzorowanego.
• Znaczenie danych szkoleniowych dla wydajności modelu sztucznej inteligencji.
• Praktyczne zastosowania sztucznej inteligencji w prostych, ale realistycznych sytuacjach (sortowanie odpadów, rozpoznawanie obrazów itp.).

‍