學生挑戰一日訓練AI微型自駕車

作者/攝影 張嘉鈞/吳怡婷

隨著自駕系統越來越普及,不僅大學也導入智慧車輛或自動駕駛的系所及課程,就連國高中也都開始接觸自駕技術,在2020台北市教育博覽會中就可以看到眾多學校商家都在展示相關技術,其中令人印象深刻的是由Nvidia所贊助並由Cavedu機器人王國辦理的競賽「2020 RK-Jetbot機器學習道路辨別競賽」,來參賽的學生們將利用短短幾個小時的時間將微型自駕車從不會動訓練到能夠完成特定賽道,最後能用最短的時間完成賽道將能獲得NVIDIA提供的獎品RTX-3070顯示卡。

想先瞭解「RK-Jetbot機器學習道路辨別競賽」可先閱讀下方兩篇文章:

Cavedu所設計的RK-Jetbot自駕車,透過雷切的方式切割並組合車體,除了基本的配件之外還設計了可調整的相機模組機構。

 

2020 RK-Jetbot機器學習道路辨別競賽以NVIDIA Jetbot自駕車專案為主軸並且利用NVIDIA 推出的開發版Jetson Nano進行機器學習的訓練,讓自駕車最後能夠透過影像識別道路的狀況,來自動駕駛完成特定賽道。

這次來參加的學生有來自西松高中、明倫高中、內湖高中、百齡高中四間的學生,總共有6隊學生,學生們雖然有事先在學校練習,但是因為現場環境不同、現場燈光亮暗,自駕車的攝影鏡頭不同,都會導致跟預期結果不同,所以相當考驗學生的臨場反應,沒有反覆的練習是沒辦法快速修正到正確參數的!

主辦單位為求穩定,蒐集資料的時候會透過網路線進行內網的遠端連線,圖片為學生正在幫自駕車接上網路線。

 

主辦單位也有透過螢幕顯示程式執行頁面以及賽道即時狀況

 

開始之前會讓學生設計行車路線,嘗試分析該賽道的最佳路線;接著透過協作的方式,一人執行Python程式另一人移動自駕車來收集賽道資料並設定標籤,等同於告訴神經網路模型看到類似的圖像應該怎麼做會比較好 (左轉、右轉幅度以及速度);接著進行神經網路模型的訓練,學生可調整訓練參數來達到更好的神經網路模型;最後進行測試並且反覆調整參數來達到最佳的狀態。

 

 

學生在執行過程中將熟悉Python程式語言、機器學習的使用概念、神經網路訓練的方式、資料蒐集的技巧以及重要性,達到對人工智慧-機器學習技術的教育目標,最重要的是因為機器學習的不確定性也讓學生學會「try and error」的方法來解決問題,過程中也有工作人員會提供技術上的協助。

 

學生在程式執行上遇到無法解決的問題可以詢問工作人員

 

本次競賽由西松高中的陳思妤同學以13.15秒的成績獲得第一名;明倫高中的陳羿錦、錢昱名同學以14.24秒獲得第二名;第三名則是百齡高中的梁哲綸、楊曜丞用14.42秒的時間完成賽道。工作人員表示如果要在賽道中獲得佳績需要盡可能的模擬車子會看到的畫面,並且給予的參數必須一致,例如接近彎道時設置的轉彎角度、轉彎速度應雷同,不然神經網路訓練的效果可能會不好。

 

第一名為臺北市立西松高級中學的陳思妤同學,指導老師為施柏豪老師

據工作人員表示獲得第一名的陳同學在擺放位置以及定義參數上速度都非常的快,並且參數調整都有依據她當時規劃的路徑在設置,每個彎道的參數都相當一致,這也是為什麼可以以最快的速度完成賽道。

 

【活動紀錄】2020 RK-Jetbot機器學習道路辨別競賽:

 

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *