2a. Line Classification(黑線分類)
學習目標 :
- 認識紅外線作為輸入。
- 認識如何訓練人工智能模型。
- 認識AI 的輸入-處理-輸出(IPO)框架。
學習內容 :
- 使用5個紅外線作為輸入，並在不同的輸入上加上(分類的)身份標籤來訓練人工智能模型。
- 訓練完成，人工智能模型就可以用來分辨出是哪種類型的輸入，並與訓練數據中的標籤進行比較，以決定分類 (輸出)。輸入-處理-輸出(IPO)框架。
所需準備 :
| 材料 : |
Parameter
參數
:
“U02a Classification.json” |
|
|
一些黑膠帶和剪刀
|
Sensor
(Input)
傳感器 |
IR sensor; detect black;
5 sensors 紅外線傳感器；檢測黑色；5個傳感器 |
|
Action
(Output)
行動 |
(分類的)身份標籤
Label : Centre , Left , Right ,None |
|
| AI |
Supervised Learning, Neural Network
監督學習，神經網絡 |
|
|
Visualization
可視化 |
OFF only <network value>;
僅<網絡值> Off |
|
下載並導入 U02a Classification
如何分類？
AlphAI 的底下有 5 個 IR Sensor , 我們將依位置簡單分類成 「中間」,「左」,「右」三個 Output
例子 :
- IR Sensor 變成黃色(數值接近1) 代表它在黑線上 , 選擇黑線在機械人那一邊?
- 以下圖為例 , 左面第2個 IR Sensor 在黑線 , 因此選左
- 假如 Sensor 全黑代表是 None。
- 訓練後右面的 Output 數值會變大 , 代表已學習。
- 一切以 Dashboard 上的數值為準
總結 :
訓練機器人時應該基於其感應器的輸入數值進行決策，而非人類的觀點（同學看到機械人情況）。理解機器人的感應器輸入並相應地進行訓練是至關重要的，以確保它學習到所期望的行為。
此外，在開始時向學生提供額外的指導並讓他們嘗試訓練是一個寶貴的學習經驗。如果他們遇到困難時，老師可以提供指導和建議以改進。