2b.1. Line Tracking(黑線追蹤) training data 版本
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。
將輸出轉為動作，讓機械人沿着黑線走。
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動作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，以決定及執行應該的動作(輸出)。輸入-處理-輸出(IPO)框架。
- 這次將加入動作行駛
所需準備 :
| 材料 : | Parameter 參數 : “U02b1 line tracking.json” Speed 速度設成 15-20 | |
| 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 | 動作標籤
| |
| 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 "U02b1 Line Tracking"
- 當 AlphAI 在黑線中心上行駛 --> 直行
- 當 AlphAI 在黑線右面 (左面的 IR Sensor在黑線上) --> 向左修正方向
- 當 AlphAI 在黑線左面 (右面的 IR Sensor在黑線上) --> 向右修正方向
你應依照那個 sensor 呈現黃色 / 數值高來選擇相對應的 Output
不一定會是現時呈現的 Action
開始訓練 :
- 啓動”重設學習” <reset learning> 按鈕
- 關掉 “自動駕駛“ <self drive> 的按鈕
- 開啟 “學習“ <learning> 的按鈕。
訓練機械人巡線行駛。 - 根據 IR Sensor 的數值選擇動作。
- 重複以上步驟 5 至 20 次，請訓練每一個 IR Sensor 選擇動作。
- 關閉 “學習” 按鈕。代表學習已經完成。
- 開啟”自動駕駛”進行測試
刪除或修正 Training Data :
垃圾筒 = 直接刪除該 data
筆 = 修改成其他 action (output)
透過這2個功能 , 你便可以在 training data 的圖表上刪除錯誤及不必要的 data ;
也能夠將訓練錯的 data 修正成可用的 data 來完善整個 AI 學習
訓練的示例 :
- 左面的 IR Sensor在黑線上 : 紫色 Turn left
- 右面的 IR Sensor在黑線上 : 綠色 Turn Right
- 中間的 IR Sensor在黑線上 : 黃色 Forward
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。
如果機器人在右側感測器下方感知到膠帶，將其訓練為“向前”可能不太合適。相反，更好的做法是當機器人感知到右側有膠帶時，將其訓練為“右轉”。這樣，機器人將把右側的膠帶與右轉動作聯繫在一起，從而產生更準確的行為。
訓練成功的因素是：
- 將機械人的速度校到很慢（15-20）
- 將機械人的Duration (under Action) 校到很短時間（0.14-0.2 seconds)
- 訓練要包括全部可能性。
- 不容計有錯誤的訓練。訓練的準確度比訓練的數量更重要。
- 要有耐性。