AI activity timer step-by-step video

Aby utworzyć licznik czasu aktywności AI, wytrenujesz model uczenia maszynowego (ML) tak,

aby rozpoznawał, kiedy wykonujesz różne ruchy lub czynności.

Następnie połączysz ten model z gotowym kodem licznika aktywności,

zanim pobierzesz go na swój micro:bit i użyjesz w rzeczywistej sytuacji.

Kliknij „Otwórz w micro:bit CreateAI”, aby uruchomić projekt.

Ten projekt zawiera 6 próbek danych dotyczących chodzenia, 6 próbek danych

dotyczących skakania w górę i w dół oraz 6 próbek danych dotyczących pozostawania w bezruchu.

Dodasz więcej próbek, rejestrując dane dotyczące własnego ruchu.

micro:bit CreateAI zbiera próbki danych o ruchu za pomocą akcelerometru, czyli czujnika ruchu na micro:bit.

Będziesz nosić micro:bit z pakietem baterii na nadgarstku lub kostce

, aby móc swobodnie się poruszać i rejestrować własne próbki danych o ruchu.

Aby rozpocząć, podłącz noszony na kostce micro:bit do CreateAI.

Nazywamy to gromadzeniem danych micro:bit.

Jeśli Twój komputer ma włączony Bluetooth, będziesz potrzebować tylko 1 micro:bita z bateriami i przewodem USB do transmisji danych.

Jeśli nie masz połączenia Bluetooth, zostaniesz poproszony o użycie 2 micro:bitów.

Drugi micro:bit pozostanie podłączony do kabla USB i będzie działał jako

łącze radiowe z micro:bit zbierającym dane. Postępuj zgodnie z instrukcjami na ekranie, aby się połączyć.

Po podłączeniu micro:bita zobaczysz, że linie na wykresie zmieniają się w miarę ruchów micro:bita.

Możesz teraz dodać własne próbki danych o ruchu.

Ponieważ ten projekt zawiera już pewne próbki danych,

sugerujemy na razie dodanie 1 próbki więcej dla każdego działania i poświęcenie więcej czasu na zbieranie i analizowanie danych później.

Upewnij się, że micro:bit do gromadzenia danych jest przymocowany po wewnętrznej stronie kostki, a przycisk B znajduje się na górze.

Aby dodać dane do konkretnej akcji, należy ją wybrać klikając na niej.

Przed rozpoczęciem 1-sekundowego nagrywania nastąpi 3-sekundowe odliczanie.

Kliknij nagraj i od razu zacznij działać, aby mieć pewność, że otrzymasz czystą próbkę danych.

Czysta próbka to taka, w przypadku której poruszasz się przez całą próbkę,

nie zaczynasz późno ani nie kończysz ruchu wcześniej.

Następnie spróbuj dodać dodatkową próbkę danych do zestawu danych „skakanie” i zestawu danych „bycie w bezruchu”.

Wybierz je, klikając akcję, a następnie kliknij przycisk nagrywania i skacz lub pozostań nieruchomo podczas nagrywania próbek.

Na próbkach „bycia nieruchomym” zauważysz, że linie x, y, z zmieniają miejsca w zależności od kąta podłączonego micro:bita.

Nie mamy obecnie zbyt wielu danych, ale wystarczy, aby wytrenować nasz własny model uczenia maszynowego przy użyciu narzędzia CreateAI.

Kliknij więc „Trenuj model”, aby użyć bieżących danych do zbudowania modelu ML.

Narzędzie tworzy teraz model matematyczny, który powinien rozpoznawać różne działania podczas poruszania mikro:bitem.

Po trenowaniu modelu zostanie wyświetlona strona Testowanie modelu.

Teraz użyj micro:bita do zbiorania danych, aby sprawdzić, jak dobrze działa model.

Powinien być nadal podłączony do narzędzia, i zobaczysz podczas jego przesuwania, że CreateAI szacuje, jakie wykonujesz działanie.

Wypróbuj każde z działań, aby zobaczyć zarówno szacunkowe działanie, jak i zmianę wykresu słupkowego pewności.

Wartość % na wykresie słupkowym pewności pokazuje, jak model jest pewny, że wykonujesz poszczególne działania.

Możesz zauważyć, że Twój model nie szacuje dokładnie niektórych działań, a może działa

dobrze w przypadku jednego działania, ale nie drugiego, więc po sprawdzeniu, jak obecnie działa,

dobrym pomysłem jest kliknięcie „Edytuj próbki danych” i ulepszenie Twojego modelu.

Modele uczenia maszynowego zwykle działają najlepiej z WIĘCEJ danymi, więc zapisz dodatkowe próbki dla każdego

działania lub skup się na zebraniu większej ilości danych dla działania, które było problematyczne podczas testowania.

Można nagrać jedną próbkę lub nagrać 10 kolejnych próbek.

Czyste próbki danych pomagają również w lepszym działaniu modelu ML, dlatego sprawdź zestaw danych i zidentyfikuj próbki, które mogłyby zmylić model.

Możesz je usunąć, naciskając X.

Po dodaniu większej ilości danych i sprawdzeniu zestawu danych kliknij ponownie „Trenuj model”, aby użyć zmienionego zestawu danych.

Następnie przetestuj model ponownie na stronie „Testowanie modelu”.

Gdy będziesz zadowolony z zachowania modelu ML, możesz go użyć z gotowym kodem projektu.

Kliknij „Edytuj w MakeCode”, aby zobaczyć bloki kodu w specjalnej wersji Microsoft MakeCode.

Zawsze możesz wrócić do CreateAI, korzystając ze strzałki w lewym górnym rogu ekranu.

Te bloki kodu korzystają z modelu, który utworzyłeś w ramach licznika ćwiczeń.

Kod wykorzystuje 3 zmienne, aby śledzić, jak długo wykonywałeś każdą akcję.

Kiedy program jest uruchamiany po raz pierwszy, ustawia te zmienne czasowe na 0.

Bloki „przy uruchomieniu ML” są wyzwalane, gdy model ML zdecyduje, że rozpocząłeś określoną akcję.

Pokazują różne ikony na wyświetlaczu LED micro:bita, w zależności od przewidzianej akcji, którą wykonujesz.

Bloki „przy zatrzymaniu ML” są uruchamiane, gdy model ML uzna, że ​​zakończyłeś czynność, w tym przypadku chodzenie, skakanie lub pozostawanie w bezruchu.

Kod wewnątrz każdego bloku czyści ekran i dodaje czas trwania właśnie zakończonej akcji

do zmiennej przechowującej całkowity czas każdej akcji.

Model ML współpracuje z kodem, aby umożliwić podgląd całkowitego czasu poświęconego na każdą akcję.

Naciśnij przycisk A, aby zobaczyć szacunkowy czas chodzenia.

Naciśnij przycisk B, aby zobaczyć, jak długo model szacował, że skakałeś.

Aby zobaczyć szacowany czas w bezruchu, naciśnij jednocześnie A i B.

Timer odlicza czas w milisekundach, tysięcznych części sekundy, więc pokazana liczba jest dzielona przez 1000, aby pokazać czas w sekundach.

Aby licznik aktywności AI działał na Twoim micro:bicie, wystarczy pobrać ten kod na micro:bit.

Jeśli nie masz innego dostępnego micro:bita, po prostu zamień kod znajdujący się na micro:bicie zbierającym dane na kod projektu.

Teraz możesz przetestować projekt w rzeczywistych sytuacjach.

Czy podczas ćwiczeń wyświetlają się prawidłowe ikony, czy nie?

Możesz sprawdzić, czy kod timera działa dobrze z modelem, wykonując 3 proste kroki:

Naciśnij przycisk resetowania. Skacz przez 30 sekund.

Następnie naciśnij przycisk B. Na wyświetlaczu powinna pojawić się liczba 30.

Możesz teraz połączyć się z CreateAI,

zebrać własne dane, wykorzystać je do trenowania, testowania i ulepszania modelu uczenia maszynowego, a następnie możesz

połączyć ten model z gotowym kodem i wypróbować go na własnym micro:bicie.

Jeśli szukasz sposobów na jeszcze większą personalizację, spróbuj dodać inne akcje, takie jak bieganie lub kroki taneczne.

Baw się dobrze!