Arduino അടിസ്ഥാനമാക്കിയുള്ള മെഷീൻ ലേണിംഗ് റോബോട്ട് സൃഷ്ടിക്കുന്നു

റോബോട്ടിക്സിന്റെയും മെഷീൻ ലേണിംഗിന്റെയും ശ്രദ്ധേയമായ സംയോജനത്തിൽ, ആർഡുയിനോ യുനോ സജ്ജീകരിച്ച ഒരു ചെറിയ റോബോട്ട് ഒരു റേസ് ട്രാക്കിൽ സ്വയം നാവിഗേറ്റ് ചെയ്യുമ്പോൾ കേന്ദ്രസ്ഥാനം ഏറ്റെടുത്തു. ഒരു നൂതന സ്രഷ്ടാവ് ഏറ്റെടുത്ത ഈ പ്രോജക്റ്റിൽ, വലുതും കൂടുതൽ സങ്കീർണ്ണവുമായ ഒന്നിൽ വെല്ലുവിളിക്കുന്നതിന് മുമ്പ് ലളിതമായ ട്രാക്കുകളിൽ റോബോട്ടിനെ സ്വമേധയാ പരിശീലിപ്പിക്കുന്നത് ഉൾപ്പെടുന്നു. റോബോട്ട് നിർമ്മിക്കുന്നതും റേസ് ട്രാക്ക് രൂപകൽപ്പന ചെയ്യുന്നതും മുതൽ ഡാറ്റാ ശേഖരണവും പ്രോസസ്സിംഗും വരെയുള്ള മുഴുവൻ യാത്രയും ആവേശകരമായ അവസാന ഓട്ടത്തിൽ അവസാനിച്ചു.

മോട്ടോറുകൾ, ബ്രെഡ്ബോർഡ്, എസ്ഡി കാർഡ് ഹോൾഡർ തുടങ്ങിയ വിവിധ ഘടകങ്ങളുടെ എളുപ്പത്തിൽ സംയോജിപ്പിക്കാൻ അനുവദിക്കുന്ന ഓപ്പൺ റോബോട്ടിക് പ്ലാറ്റ്ഫോം (ഒആർപി) ആശയത്തിൽ നിന്ന് റോബോട്ടിന്റെ നിർമ്മാണം പ്രയോജനപ്പെട്ടു. ട്രാക്ഷൻ മെച്ചപ്പെടുത്തുന്നതിനും തറയിലെ ചൊറിച്ചിൽ ഒഴിവാക്കുന്നതിനുമായി ടിപിയു ടയറുകൾ ഉപയോഗിച്ച് ചക്രങ്ങൾ മെച്ചപ്പെടുത്തി എന്നത് ശ്രദ്ധേയമാണ്. തുടക്കത്തിൽ മതിലുകളും പുസ്തകങ്ങളും ഉപയോഗിച്ച് വിഭാവനം ചെയ്ത റേസ് ട്രാക്ക് തന്നെ ഒരു സവിശേഷ വെല്ലുവിളി ഉയർത്തി, പക്ഷേ പിന്നീട് കാർഡ്ബോർഡ് ബോക്സുകൾ ഉപയോഗിച്ച് മെച്ചപ്പെടുത്തി, പൊരുത്തപ്പെടലും വിഭവശേഷിയും പ്രകടമാക്കി.

ബ്ലൂടൂത്ത് മൊഡ്യൂളും ഒരു എസ്ഡി കാർഡും ചേർത്ത് സാധ്യമാക്കിയ ഡാറ്റാ ശേഖരണമാണ് പ്രോജക്റ്റിൽ നിർണായകമായത്. ലിഡാർ അളവുകളും നിയന്ത്രണ ലേബലുകളും ശേഖരിക്കുമ്പോൾ സ്രഷ്ടാവ് റോബോട്ടിനെ സ്വമേധയാ നിയന്ത്രിക്കുകയും പരിശീലനത്തിനായി വിലയേറിയ ഡാറ്റ ശേഖരിക്കുകയും ചെയ്തു. തുടർന്നുള്ള മെഷീൻ ലേണിംഗ് ഘട്ടത്തിൽ ഫീച്ചർ തിരഞ്ഞെടുപ്പ്, വർഗ്ഗീകരണം, പരിശീലനം എന്നിവ ഉൾപ്പെടുന്നു, ക്രമരഹിതമായ വനങ്ങൾ മികച്ച പ്രകടനമുള്ള അൽഗോരിതമായി ഉയർന്നുവന്നു, ഏകദേശം 70% കൃത്യത നിരക്ക് നേടി.

ഒരുപക്ഷേ ഈ പ്രോജക്റ്റിന്റെ ഏറ്റവും ആശ്ചര്യകരമായ വശം ഒരു കോംപാക്റ്റ് പാക്കേജിൽ മെഷീൻ ലേണിംഗിന്റെ ശക്തി പ്രദർശിപ്പിക്കുന്ന ഒരു അർഡുയിനോ യുനോ ഉപയോഗിച്ച് റേസ് ട്രാക്കിൽ സ്വയംഭരണാധികാരത്തോടെ നാവിഗേറ്റ് ചെയ്യാനുള്ള റോബോട്ടിന്റെ കഴിവാണ്. മാനുവൽ കൺട്രോൾ കഴിവുകളെ പോലും മറികടന്ന് റോബോട്ട് ആകർഷകമായ വേഗതയിൽ കോഴ്സിന് ചുറ്റും സഞ്ചരിക്കുമ്പോൾ, ഈ പ്രോജക്റ്റ് തീർച്ചയായും ഒരു തരത്തിലുള്ള ഒന്നാണെന്ന് വ്യക്തമായി.

Dr Bibin

Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision

Leave a Reply