Zumi 的學習定位
就如「Zumi 是什麼？」提及過一樣 , Zumi 是一部幫助人們學習 AI(人工智能) 的 self-driving car (自駕車) 。
這次我們將詳細說明 Zumi 能如何幫助老師教學。
Zumi是編程教學工具
Zumi 編程可分為2種方法 :
1. jupyter notebook (Python) | 2.Blockly
Jupyter Notebook 是以Python形式去編程 , 難度較高適合對編程有一定認識的同學嘗試,
對日後學習進階編程非常有用。
Blockly 則與micro:bit makecode , Scratch 非常類似 , 適合初學者使用。
兩種編程方式皆能做到同樣效果 , 所以不用擔心初學者在進行專題研究時遇到做不到的地方。
兩者比較 ：
上方為 Python , 下方為 Blockly
Python 為文字編程 , Blockly 則為drag & drop 積木編程 ;
接下來會有更詳細的教學
1. 學習駕駛指令
在控制 Zumi 自行駕駛前 , 我們需先學習基本的駕駛指令。
2. 學習Sensor(感應器)
Zumi 能夠避開障礙以及循線行駛其實都是依靠從 IR sensor (紅外線感應器) 所接收到的訊號而做出這些行為的。
感應器(sensor)跟機器學習(AI Machine Learning)是不同的 ,
感應器(sensor)是用於偵測環境中所生事件或變化，並將此訊息傳送出至其他電子設備(例如CPU,micro:bit)的裝置，通常由感測元件和轉換元件组成。
機器學習則能針對感應器訊號到CPU命令之間關係，從而利用這些數據來優化計算機程序的性能標準。
簡單來說 , sensor 只能得到數據 , 但透過機器學習當中的數據可以從中得出結果(例如:這是笑臉,紅色等等)/並改善演算法的性能。
3.拍照功能
拍照除了能記錄Zumi看到的東西外 , 還能使用相機進行機械學習 , QR code 解碼等進階編程。
4. 讀取 QR Code 及 Stop Sign
讀取 QR code 及 Stop Sign 雖然不是正規的機械學習 , Zumi 是預先學好並準備好算式以認出「Stop Sign」及替QR code 解碼。
但我們也可把它們理解成學習機器學習前需明白的解碼原理。
5. 機器學習 (AI-Machine Learning)
在 Zumi Dashboard 中的「Explore」可以找到 Gesture, Distance 及 Color 可以進行機器學習。
這次我們將先用 Color 作示範。
我們會先向Zumi定義現時看到的是什麼顏色,
然後在收集到足夠的顏色樣本後 , Zumi 將整合數據並得出每一種顏色的KNN 平均值 ,
並透過學習到的 KNN 數值 Zumi 可以從此分辦各種顏色。