Искусственный интеллект своими руками

Актуальность

В связи с распространением средств индивидуальной мобильности (далее – СМИ), таких как электросамокат, гироскутер, моноколесо, на которых люди передвигаются по тротуарам вместе с обычными пешеходами, многократно возросли риски возникновения ДТП с их участием, в которых люди получают не только лёгкие травмы.

СМИ могут развивать скорость до 40 км/ч. При такой скорости передвижения человеку, управляющему СМИ, довольно трудно бывает сориентироваться и быстро среагировать на изменения в пешем потоке людей. Обратив внимание на эту проблему, мы решили создать самообучающуюся систему управления для моторизированных средств индивидуальной мобильности.

Цель

Создать доступную самообучающуюся систему управления средствами индивидуальной мобильности на базе микрокомпьютера Raspberry Pi.

Задачи

1. Изучить работу существующих беспилотных автомобилей.
2. Адаптировать принципы работы беспилотных автомобилей под микрокомпьютер Raspberry Pi.
3. Собрать прототип самообучающейся системы управления для СМИ.
4. Обучить прототип прохождению произвольной трассы со случайно возникающими препятствиями.
5. Апробировать работу системы на самоизменяющейся трассе.

Оснащение и оборудование, использованное при создании работы

• Raspberry Pi
• Готовый набор шасси под платформу Arduino
• Камера A4tech SH FullHD

Описание

С самого начала происходил сбор информации о работе и алгоритмах обучения беспилотных автомобилей. Были изучены статьи на сайте Habr.com, программный код самообучающихся систем изучался на сайте GitHub.com, были просмотрены видео на интересующую тему на сайте YouTube.com, примеры готовой реализации на сайте Computervision.zone.

С опорой на полученную информацию и поставленные задачи была разработана концепция поведения и взаимодействия системы с окружающим пространством. То есть алгоритмы обучения беспилотных автомобилей были адаптированы под работу с одной камерой и микрокомпьютером Raspberry Pi.

Для создания корпуса был взят готовый набор шасси под платформу Arduino. Для них была сделана платформа на станке с ЧПУ, на которой разместили элементы питания, микрокомпьютер Raspberry Pi в закрытом корпусе с радиатором системы охлаждения и камера A4tech SH FullHD.

Код системы был написан на языке Python при помощи Google Collaboratory с использованием библиотек OpenCV, NumPy, Imgaug, TensorFlow, PixelLib, а также обучения с учителем. Алгоритм управления системой основан на применении принципов беспилотного управления автомобилей. Код состоит из двух частей: обучения модели на основе информации, полученной с камеры, и управления движением.

При движении модели изображения попадают в обработчик нейронной сети, который сопоставляет изображения с камеры с примерами изображений из нейронной сети и путём поиска паттернов и вычисления их процентного совпадения посылает сигнал на контроллер моторов, исходя из опыта, приобретённого в предыдущих заездах.

Результаты работы/выводы

Результатом работы над проектом стало создание прототипа действующей самообучающейся системы управления для СМИ, которая может быть использована как для повышения безопасности пешеходов, так и (при некоторой модернизации) для передвижения слабовидящих и слепых людей.

Перспективы использования результатов работы

Дальнейшая разработка прототипа для создания системы управления для СМИ.

Мнение авторов

«Открытая городская научно-практическая конференция «Инженеры будущего» и работа над проектом – это незабываемый опыт, который подарил нам много разных эмоций. Было очень интересно работать над проектом, который в будущем мы сможем преобразовать во что-то, что будет помогать людям»