المسار من روبوتات المعسكر إلى مبدع سايبورغ

من غير المحتمل أن يجادل أي شخص في أهمية أي فريق في أي مشروع مشترك. تجمع أشخاص من ذوي الخبرات والتجارب المختلفة في Motorika ، لدينا مبرمجين ومهندسين إلكترونيين وعمال إنتاج ومصممين. ومع ذلك ، يسعدنا دائمًا رؤية الرفاق الجدد الذين يظهرون في مختبرنا. في بعض الأحيان ، تمكنت هذه "العقول الجديدة" من حل المشاكل التي قاتلنا من أجلها أكثر من يوم واحد ، أو حتى أكثر من ليلة واحدة. اليوم هو مجرد وقت مثل هذه القصة عن تان.

في نهاية المقال ، معلومات مهمة لأولئك الذين يريدون أن يصبحوا مبرمجين في المعسكر.

مخيم حيث تتحقق المشاريع

في يوليو 2015 ، تمت دعوة فريقنا لإلقاء محاضرة في مخيم للأطفال نظمه أصدقاؤنا في GoTo Camp . لكن هذا ليس معسكرًا نموذجيًا ، هنا ينغمس الأطفال في العالم السحري لتحليل البيانات والتعلم الآلي ، الروبوتات وإنترنت الأشياء ، المعلوماتية الحيوية ، الواقع الافتراضي ، أمن المعلومات والمزيد. لمدة أسبوعين في GoTo Camp ، يتمكن الأطفال من الحصول على معرفة جديدة من الممارسين المتخصصين من مختلف الشركات: Yandex و ABBYY و Microsoft و Biocad و Rambler & Co و Deloitte و Intel و Google وما إلى ذلك ، والعمل على مشاريعهم الخاصة ، وحتى يحصل شخص ما للتدريب أو العمل. بشكل عام ، الحلم ، وليس المخيم ، حتى بالنسبة للبالغين).





يطبقون المعرفة التي يتلقاها الأطفال في المحاضرات والدروس العملية: كل منهم يتكون من فريق يعمل على تنفيذ فكرة.



كانت تانيا في المخيم مرتين وشاركت في مشروعين تم إنجازهما وعملهما بنجاح.



"للمرة الأولى ، عملت كفريق على العربة التي تم توصيل الهاتف بها ، وتحكم المشغل في العربة نفسها ، وزوايا الإمالة والتدوير للهاتف ، والإضاءة بمساعدة أجهزة التحكم. يمكن أن يكون هذا مفيدًا لأولئك الذين يصورون الفيديو ، حتى تمكنا من محاولة تصوير أنفسنا. في المرة الثانية التي صنعت فيها روبوتًا يتذكر مساره. أولاً ، أظهر له المسار الذي سيعود إليه ذهابًا وإيابًا في المستقبل (يمكنك دائمًا إعادة كتابته) ، على سبيل المثال ، يمكن أن يكون مسارًا محددًا ضروريًا في المصنع ، أو طريقًا للتنظيف في المنزل. يتذكره الروبوت حتى بعد إيقاف تشغيل الطاقة ، لذلك لا يحتاج إلى إعادة إعداده في كل مرة. "لقد أحببت كلا المشروعين ، وخلال التحولات تعلمت الكثير."

دعونا نعود إلى اجتماع موتري وتانيا. أحد المحاضرين الذين وصلوا كان إيليا شيخ وفاسيلي خليبنيكوف. وتحدثوا عن ما تقوم به شركة "Motorika" ، وما تعمل عليه ، وأظهرت مقاطع فيديو وعينات من الأطراف الصناعية KIBI .



في نهاية المحاضرة ، دعا الرجال كل من كان مهتمًا بالحضور إلى مقر Skolkovo الخاص بنا وحل المشكلات المثيرة للاهتمام. كانت تانيا واحدة من المجيبين. لذلك أصبحت جزءًا من فريقنا.

رفيقنا الجديد تانيا

تبلغ تانيا من العمر 19 عامًا ، وهي في عامها الثاني في جامعة موسكو الحكومية بكلية الميكانيكا والرياضيات.



كانت لغة البرمجة الأولى التي أتقنتها هي Python: "كانت لغة البرمجة الأولى هي Python ، وقد درسناها في المدرسة. أحب أن أكتب عليها ، يمكنك بسرعة إنشاء برنامج عمل ، بالإضافة إلى ذلك ، هناك العديد من المكتبات المختلفة لذلك. بعضها ، على سبيل المثال ، أستخدمه لحساباتي العلمية في الجامعة. لكن في المدرسة ، شاركت في برمجة Olympiad ، و Python ليست مناسبة لها دائمًا - إنها تعمل ببطء نوعًا ما ، لذلك بدأت البرمجة في C ++. لبعض الوقت ثم كتبت على RobotC ، والآن للعمل في Motorika أبرمج ل Arduino ".

أشعر بقوة الخوارزمية فيك

في مختبرنا ، ستكون هناك دائمًا حالة مثيرة للاهتمام للأشخاص الذين تنمو أيديهم عند الضرورة. ساعدتنا تانيا في تجميع الأطراف الاصطناعية ، واختبار أجهزة الاستشعار لبدلة كهربائية عضلية ، وتصميم بعض التفاصيل.

لكن أروع مهمة حلتها هي قراءة ومعالجة الإشارات العضلية من يدها: أخذ القيم من أجهزة استشعار emg ومعالجتها للتحكم في حركة الفرشاة حسب الحاجة. وبعبارة أخرى ، من الضروري أنه إذا شددت العضلات بقوة ، يدور المحرك بسرعة ، ويعتمد اتجاه الدوران على اتجاه الانثناء.



تم إجراء القراءة من أجهزة الاستشعار ، ولكن بين الحين والآخر كانت هناك أخطاء مختلفة تتداخل مع التشغيل الصحيح للأطراف الاصطناعية. كانت أكبر صعوبة في ذلك هي العثور على مكان حدوث الخطأ بالضبط. وهناك الكثير من الخيارات لحدوث هذا الخطأ بالذات: بسبب تشغيل المستشعرات ، ضعف ملاءمتها للذراع ، قوة العضلات ، التوتر الثابت حولها ، اتصال سيء واحد ، خطأ في البرنامج ، وصل الأمر إلى أنه في بعض الأحيان كان من الضروري فقط إعادة تشغيل الكمبيوتر بحيث يكون الخطأ اختفى ، أو تغيير الإلكترونيات. لحظة مثيرة للاهتمام: لاحظت مؤخرًا أن القفزات في القيم تأتي أيضًا من ما إذا كانت أرجل الشخص على أرضية المختبر أو مرتفعة.



بسبب مثل هذه الوفرة من الأخطاء المحتملة أثناء التطوير ، نشأت مشاكل: "على سبيل المثال ، حققنا عملًا مثاليًا في يوم معين ، التقطنا جميع الثوابت الضرورية ، لكننا لم نأخذ في الاعتبار التغييرات المحتملة في بعض المعلمات في الغرفة المحيطة. إذا وجدنا في اليوم التالي أخطاء في العمل ، فلن يكون من السهل دائمًا فهم ما تغير بالضبط من آخر مرة ". وبسبب هذا ، في كل مرة كان علي تكوين كل شيء من جديد ، لذلك تمت إضافة معايرة الطرف الاصطناعي إلى بداية الإطلاق.


كانت خوارزمية المعايرة هذه هي التي كتبتها تانيا ، وبالتالي قللت بشكل كبير نطاق البحث عن الخطأ: "للتحكم في اليد ، تحتاج إلى فهم النطاق التقريبي للقيم أثناء الحركات ، مع هذه المعايرة يتم تحديدها تقريبًا. ولكن هناك "قيم خارجية" في عمل المستشعر - لذلك ، على سبيل المثال ، للبحث عن مستوى يد مستريح ، من السيء أن تأخذ الحد الأدنى من جميع القيم (قد يكون صفرًا) ، وهذا يتعارض مع متوسطات مختلفة في الخوارزمية ".



تسمح لك المعايرة بالحصول على ثلاث قيم رئيسية (الحد الأدنى أو مستوى الراحة ، المستوى الأقصى والمستوى عندما تحتاج إلى البدء في تحريك المحرك بأدنى سرعة) ، ثم تتم مقارنة الوافدين الجدد. تسمح لك هذه المقارنة بتتبع الإشارة بشكل أكثر وضوحًا وترجمتها إلى عمل.

مشكلة أخرى تمت مواجهتها حتى الآن هي اختيار الوقت الأمثل لمعالجة القيم التي تمت قراءتها بالفعل في عملية التحكم في توزيع الورق. كلما قمنا بمعالجتها بشكل أفضل وأكثر دقة ، كلما احتاج الأمر إلى مزيد من الوقت. وبالتالي ، هناك تأخير أطول من قيام المستخدم بإجراء معين حتى يتم تنفيذه على اليد. الآن وقت المعالجة هو جزء من الثانية. إذا كان من الضروري في المستقبل تعقيد خوارزمية المعايرة ، فسيكون من الممكن التفكير في تضمين سرعة معالجة الإشارة فيها.

التعلم الآلي ، نظرية الانفجار وأطقم الأسنان

في هذه المرحلة ، تركز تانيا وكبيرة مشرفي السيارات الذين يشرفون عليها على مكافحة المشاكل الجسدية. على وجه الخصوص ، كانت الخوارزمية تهدف إلى ذلك. بالطبع ، في المستقبل ، يمكن أتمتة الكثير من الأشياء (المتوسط ​​ضد التداخل والمعايرة) ، وهذا سيجعل أجهزة الاستشعار تعمل في التقاط الإشارة أكثر استقرارًا ، مما يعني أنه سيكون من الممكن تطبيق طرق متقدمة لتحليل البيانات.

اتصلت تانيا أيضًا بتعلم الآلة: "لقد قمت أيضًا بنفسي بالقليل من التعلم الآلي هذا العام في لقاءات الرجال من GoTo مع ألكسندر بانين في Yandex ، وآمل أنه باستخدامهم سيكون من الممكن الحصول على شيء مثير للاهتمام من بياناتنا. قد يبدو من غير المتوقع لشخص ما أن هناك الكثير من النظريات في حالة مثل الأطراف الاصطناعية ، والتي ترتبط على الأرجح بالطب والبيولوجيا. في التعلم الآلي ، على سبيل المثال ، يتم إخفاء كمية كبيرة من الرياضيات غير التافهة جدًا. ولكن هناك أقسام أخرى تتعلق بإدارة الأطراف الاصطناعية. في mechmath ، أتعامل مع نظرية الرشقات (اسم آخر هو الموجات) ، والتي ليست فقط جزءًا مثيرًا للاهتمام وعميقًا من التحليل الوظيفي ، ولكن يتم تطبيقها أيضًا في نظرية المعلومات ومعالجة الإشارات والتصوير المقطعي وما إلى ذلك. يمكنك قراءة المزيد عن هذا ، على سبيل المثال ، هنا . أود أيضًا تجربة هذه الأساليب للعمل مع الطرف الاصطناعي. "

المزيد! مهام أكثر إثارة للاهتمام!

لهذا ، لم يتم استنفاد المهام في مختبرنا لجميع أولئك الذين يتوقون إلى تطبيق معارفهم ومهاراتهم - هناك المزيد. لذلك إذا كنت ترغب في الانضمام إلينا - ويلكم دائما. عبر عن رغبتك في التعليقات أو اكتب إلى info@motorica.org.

مكافأة لأولئك الذين قرأوا حتى النهاية - منحة

حسنًا ، يمكن لمعظم المرضى الصبور والفضوليين (تلاميذ المدارس والطلاب من 1-2 دورات) الحصول على منحة في اتجاه الروبوتات والذهاب إلى أحد المخيمات الصيفية الثلاثة لمعسكر GoTo مجانًا.

يعلن Motorika و GoTo Camp عن مسابقة مشتركة. مهمة المشاركين هي واحدة فقط:

• ابتكر فوهة اصطناعية من شأنها توسيع القدرات البشرية. للتحكم في هذه الفوهة ، سيتم استخدام مستشعرات EMG ومقاييس التسارع والجيروسكوبات (كما تريد ، يمكنك أيضًا استخدام التحكم الصوتي - كل شيء بين يديك!). سوف تتلقى مهمة مفصلة عن طريق البريد الإلكتروني بعد التسجيل هنا .

إذا كانت الفوهة الخاصة بك ستعمل وستكون ناجحة من حيث تجربة المستخدم ، فستكون باردة. في المخيم ، لا يمكنك فقط إحضاره إلى الكمال ، وستصل الفوهة إلى المستخدمين الحقيقيين للأطراف الاصطناعية - ستحصل على عمل مفيد وجيد يضخ الكارما الخاصة بك. ولا تزال تكتسب الخبرة والمعرفة وتتنفس الهواء النقي.