EDU SMART CITY
Miasto, w którym uczy się AI
Autonomiczne pojazdy, inteligentne skrzyżowania i kamery z modułem AI – wszystko zbudowane i wytrenowane przez uczniów i studentów na zestawach ZMROBO. Każda dzielnica to osobne laboratorium uczenia maszynowego, a razem tworzą miasto, w którym roboty zbierają dane, wymieniają się informacjami i wspólnie podejmują decyzje.
EDU SMART CITY – miasto, w którym uczy się sztuczna inteligencja
EDU SMART CITY to nasze edukacyjne inteligentne miasto, budowane z zestawów ZMROBO na matach 3000 × 2000 mm. Każda dzielnica to osobne laboratorium ucieleśnionej sztucznej inteligencji (embodied AI): roboty widzą świat przez kamery i czujniki, uczą się na danych zebranych przez uczniów lub studentów i działają w fizycznej przestrzeni. Dzielnice można budować i programować osobno, na pojedynczych zajęciach, albo połączyć w jedno miasto, w którym roboty komunikują się ze sobą i z infrastrukturą.
Dzielnica Transportu.
Autonomiczne pojazdy ruszają ze startu, rozpoznają pola znaków AI, sygnalizację na skrzyżowaniu i przejście dla pieszych, pokonują rondo, zatrzymują się na przystanku, parkują na miejscach P1/P2 i zjeżdżają do stacji ładowania. Uczniowie i studenci zbierają zdjęcia znaków, trenują model rozpoznawania obrazu i sprawdzają, jak zachowuje się pojazd, gdy model się pomyli.
Dzielnica Logistyki.
Robot odbiera zlecenie z karty zadania, pobiera przesyłkę z pola przyjęć, a skaner AI rozpoznaje jej kolor i kształt. Na tej podstawie robot wybiera strefę sortowania i rampę wysyłkową. To model zautomatyzowanego magazynu, w którym klasyfikacja obrazu łączy się z planowaniem trasy i zarządzaniem ładowaniem robotów.
Dzielnica Energii.
Stacja pogody i karty pogody (słońce, wiatr, noc) dostarczają danych, na podstawie których miasto steruje turbinami wiatrowymi, panelami PV, latarniami, magazynem energii i zasilaniem domów. Na zajęciach powstają reguły i proste modele predykcyjne, które bilansują produkcję i zużycie energii, tak jak robią to inteligentne sieci energetyczne (smart grid).
Dzielnica Ekologii.
Mądry śmietnik z kamerą AI rozpoznaje odpady i kieruje je do właściwego pojemnika: plastik, papier, szkło lub bio. Uczestnicy zajęć sami przygotowują zbiór zdjęć, oznaczają je i trenują model „plastik czy papier?”, a potem sprawdzają, jak często się myli i jak poprawić dane. Roboty obsługują punkty zbiórki, kompostownik i PSZOK.
Dzielnica Bezpieczeństwa.
Roboty patrolowe ruszają z bazy, reagują na zgłoszenia i zdarzenia, wykonują komendy głosowe (stop, jedź, wróć) i przekazują informacje do centrum ratunkowego 112. W strefie szkolnej zwalniają, a w strefie prywatności wyłączają kamerę. Kluczowe decyzje zostawiają człowiekowi. To miejsce na rozmowę o granicach AI, prywatności i odpowiedzialności.
Dla uczniów i studentów.
Młodsi uczniowie budują pojedyncze roboty i programują je blokowo. Starsi łączą je w systemy, piszą kod w Pythonie i trenują własne modele rozpoznawania obrazu. Studenci projektują całe dzielnice: planują komunikację robotów z infrastrukturą, decydują, jakie dane zbierać, jak je oznaczać i jak sprawdzić, czy miasto działa bezpiecznie. Na każdym poziomie obowiązuje ta sama zasada co u naszych humanoidów: robot musi zobaczyć świat, zrozumieć go i zareagować ruchem.
ZMROBO w naszym laboratorium
W Embodied AI Lab zestawy ZMROBO zamykają ścieżkę, którą przechodzi uczeń lub student. Najpierw spotyka humanoida, który z nim rozmawia. Potem obserwuje Fafika, który samodzielnie orientuje się w terenie. Na końcu buduje własnego robota z kamerą i modułem AI i przekonuje się, że ucieleśniona sztuczna inteligencja to nie magia, tylko układ czujników, modelu i napędów, który można zrozumieć, zaprogramować, wytrenować i ulepszyć.
Pokazujemy, co łączy małego robota z humanoidem. Oba muszą zobaczyć świat, zrozumieć go i zareagować ruchem. Oba mylą się, gdy dostaną złe lub niepełne dane, i oba wymagają, żeby człowiek zdecydował, czego mają się nauczyć i jak ocenić efekty tej nauki. Dzięki temu uczniowie i studenci poznają nie tylko technologię, ale też odpowiedzialność za sztuczną inteligencję. Przygotowaliśmy polskie tłumaczenie interfejsu środowiska RoboCode i własne scenariusze zajęć. Zestawy wykorzystujemy na warsztatach dla szkół i uczelni, w przygotowaniach do konkursu Super AI i przy budowie kolejnych dzielnic EDU SMART CITY.
FPV Camera
Kamera z obiektywem 5 MP i kątem widzenia 120°, która sama tworzy sieć Wi-Fi 5,8 GHz i przesyła obraz na żywo (30 kl./s) na smartfon lub tablet z Androidem albo iOS. Pozwala zobaczyć miasto oczami robota i prowadzić pojazd z perspektywy kierowcy. Zasilana napięciem 5 V, pobiera tylko 1,5 W.
USB Camera
Łączy się z komputerem przez USB i działa jak standardowe urządzenie wideo. Jest zgodna z popularnymi systemami operacyjnymi i sprawdza się w codziennych zastosowaniach, takich jak zbieranie zdjęć do trenowania modeli rozpoznawania obrazu.
Scanning Camera
Kamera skanująca, która odczytuje standardowe kody QR i kody kreskowe. W mieście służy do identyfikacji przesyłek, kart zadań i punktów na trasie: robot skanuje kod i od razu wie, co ma zrobić dalej.
WiFi Camera
Rejestruje obraz przed kamerą i przesyła go przez Wi-Fi do aplikacji mobilnej. Odbiera też z aplikacji polecenia z joysticka oraz wyniki rozpoznawania obrazu, dzięki czemu robot może reagować na to, co zobaczy.
AI Vision Module
Moduł elektroniczny łączący funkcje wizyjne i dźwiękowe. Obsługuje zastosowania widzenia maszynowego i interakcję głosową. Ma wbudowany 64-bitowy, dwurdzeniowy procesor K210, można go programować w Pythonie i współpracuje z wieloma modelami AI oraz frameworkami uczenia głębokiego. Przetwarza dane bezpośrednio na robocie, bez połączenia z chmurą.