Руки з Nvidia JetBot AI-Powered DIY роботом
Nvidia JetBot - це чітко визначений дизайн робота DIY, заснований на мініатюрному комп'ютері компанії Jetson Nano. Після створення, JetBot є повністю автономною системою, що працює під Linux з повною середовищем розробки AI. Ми вже охопили Jetson Nano, але достатньо сказати, що він достатньо великий для комп'ютера вартістю $ 100, який ви можете тримати на долоні. Після враження демонстраційними блоками, які бігали в GTC Nvidia цієї весни, ми, звичайно, повинні були самі переконатися, що може зробити JetBot.
Складання JetBot приймає деяку роботу
JetBot Включає повне середовище розробки AI
Після збирання JetBot потрібно підключити клавіатуру, мишу та дисплей для підключення до мережі Wi-Fi. Після цього ви можете використовувати його віддалено. Після завантаження Ubuntu за допомогою попередньо побудованого системного образу, Nvidia надає відмінний набір ноутбуків Jupyter IPython, які ведуть вас через водіння, програмування та навчання вашому JetBot. Доречно, образ системи вже включає запущений сервер Jupyter, тому можна просто підключитися до нього на порт 8888 і розпочати роботу. Здебільшого мої інші комп'ютери знайшли JetBot за назвою (за замовчуванням jetbot), але зручно IP-адреса також відображається на пристрої picoLED.
Каталог ноутбуків на JetBot включає в себе кілька добре документованих демонстраційних проектів. Вони включають ноутбуки для програмування вашого робота для переміщення, читання та використання зображень з камери, автономного уникнення зіткнення та наступного об'єкта. Ви можете слідувати, просто виконуючи клітинки ноутбука згідно інструкції, або занурюйтесь глибше, налаштовуючи наданий код або додаючи деякі з ваших власних. Також можна експериментувати, використовуючи різні двигуни та моделі AI, окрім значень за замовчуванням у ноутбуках. JetBot дійсно являє собою весь AI-готовий комп'ютер у крихітній упаковці.
Навчання JetBot для уникнення перешкод
Можна навчити модель запобігання зіткненням або на самому JetBot, або на робочому столі або в облачному графічному процесорі. Навчальний процес використовує попередньо підготовлену копію AlexNet, тому ви можете піти лише з парою сотень додаткових тестових зображень замість мільйонів. Тренінг передбачає позначення кадрів з камери JetBot як «Вільний» або «Заблокований», використовуючи віджет у ноутбуці iPython. Цей процес найкраще виконувати або за допомогою мобільного пристрою, який ви можете тримати під час розташування робота, або за допомогою доброзичливого друга або члена сім'ї. Nvidia рекомендує щонайменше 100 кожному з прикладів Free і Blocked, щоб мати досить надійну програму. Я почав з 60 кожного в досить чітко визначеній області, що було достатньо, щоб зробити робота досить успішним, як показано на цьому відео:
Для цього відео я використовував попередньо підготовлену модель AlexNet, що допомагала додаткові 120 зображень (60 блокованих і 60 безкоштовних), які я захопив з JetBot. У 90 секундах кліпу, він добре справляється з майже всіма варіаціями в освітленні та перешкодах, хоча один раз тінь дурить. Позначені зображення навчали, що все гаразд, щоб перейти на тонкий синій фломатор, але не на товсту червону килиму. Пізніше (не показаний) він врешті-решт мав проблеми при наближенні до жалюзі на незвичайному куті під час синього мата. Я впевнений, що деякі додаткові навчальні зображення вирішуватимуть це.
Як JetBot порівнюється з DJI RoboMaster S1 битви робота
У той час як Nvidia JetBot та DJI RoboMaster S1 мають аналогічну ціну і обидва мають на меті допомогти вам навчитися AI та робототехніці, ці два продукти дуже різні. Для початківців, RoboMaster S1 ближче до під ключ, так як всі частини включені разом з інструкцією з монтажу. Для JetBot, ви повинні зробити свій власний пошук і витратити близько $ 200 плюс доставка в додаток до $ 100 для Nano, і збірка трохи складніше, але вікі для проекту добре побудований і ставить його в межах досяжності навіть скромних DIYers. Таким чином, це дешевше, ніж $ 500 RoboMaster S1, але не різко.
Чи є JetBot для Вас?
На ринку є багато програмованих роботів, у тому числі деякі, які можуть використовувати попередньо навчені нейронні мережі. Для мене найбільшою особливістю, яка відрізняє JetBot, є те, що вона здатна бути повністю самодостатньою. Ви можете увійти до нього, завантажити або програмувати нейронну мережу (або запустити будь-який код), навчити модель і побачити її в дії - все без хост-комп'ютера, перехресного компіляції або роботи з вбудованим середовищем програмування.
На зворотному боці, якщо ви більше зацікавлені в бойових сценаріях або просто керуєте системами керування PID, RoboMaster S1 є прекрасним вибором. Це також може бути кращим варіантом подарунка, оскільки все входить у вікно, замість того, щоб самостійно створювати довгий список компонентів.
Читати далі
Інструменти автоматизації AI-Powered Electronic Design може перевизначити чіпкітку
Samsung оголосив, що він використовує інструменти AI EDA для побудови своїх екзинос-процесорів. Очікуйте більше анонсів у майбутньому, але більше спрямована на поступове прийняття, ніж раптовий сплеск.
MIT створює AI-Powered Psychopath, який називається "Норман"
Дослідники штучного інтелекту до сих пір намагалися зробити всебічні алгоритми, які можуть бути корисними для людства. Проте команда від MIT здійснила проект, щоб зробити саме протилежне.