हैकाथॉन आरओबीओ-आरएसीएस और आर्टिन में एआई पर हाथों से कार्यशाला: यह कैसा था

शुभ दोपहर, प्रिय पाठकों! हाल ही में, मैं कृत्रिम बुद्धिमत्ता पर एक हैकाथॉन में भाग लेने के लिए पर्याप्त भाग्यशाली था, जो कि ब्रैनो (चेक गणराज्य) में आर्टिन से रोबोआटो समूह द्वारा आयोजित किया गया था, जिसमें मानव रहित वाहन का विकास किया गया था। इस लेख में मैं अपने इंप्रेशन को साझा करना चाहूंगा और बताऊंगा कि सब कुछ कैसे हुआ, मैंने क्या सीखा और क्या सीखने के लिए उपयोगी है। कौन परवाह करता है, कृपया, बिल्ली के नीचे।

हैकाथॉन के बारे में

मशीन लर्निंग और एआई के विषय पर यह पहला हैकथॉन था और इस क्षेत्र में रोबोआटो समूह को बड़ी सफलता मिली, इसलिए मैंने तुरंत अग्रिम में पंजीकरण किया। हैकथॉन मुख्य रूप से ब्रनो के तकनीकी विश्वविद्यालय के छात्रों के उद्देश्य से था। जैसा कि लेखक ने हैकाथॉन के फेसबुक पेज पर अग्रिम रूप से कहा था, हैकथॉन को एक रेसिंग गेम सिम्युलेटर पर टीमों के बीच एक खेल प्रतियोगिता माना जाता था। लेखकों ने जावा में एक सिम्युलेटर परियोजना प्रदान करने का वादा किया, जिससे आप अपने कार्यक्रम को जोड़ सकते हैं। मुख्य लक्ष्य: अपनी कार के लिए जावा प्रोग्राम इस तरह से लिखना कि कार प्रतिद्वंद्वियों की तुलना में तेजी से एक सर्कल से गुजरती है। आप तंत्रिका नेटवर्क या प्रोग्राम किए गए तर्क का उपयोग कर सकते हैं।

प्रतियोगिता ट्रैक का एक वीडियो फेसबुक पर ईवेंट पेज पर प्रकाशित किया गया था, जिसे हमें यहां से जाना था:



हैकाथॉन के दिन से कुछ दिन पहले, सभी प्रतिभागियों को ई-मेल भेजा गया था कि कैसे घटना की तैयारी के बारे में संक्षिप्त निर्देश के साथ। इंटेलीज आइडिया आईडीई को ग्रैडल, जावा संस्करण 8 समर्थन के साथ स्थापित करना और गिटलैब पर एक खाता बनाना आवश्यक था।

आप अपनी टीम को पंजीकृत कर सकते हैं या खुद को पंजीकृत कर सकते हैं। दूसरे मामले में, आयोजक आपको किसी टीम से जोड़ते हैं। मुझे अपनी कंपनी NXP के एक लड़के के साथ एक टीम सौंपी गई, जिसने स्वतंत्र रूप से पंजीकरण भी कराया।

सैद्धांतिक भाग - परिचय

यह सब सिद्धांत के 2 घंटे के ब्लॉक के साथ शुरू हुआ। हमें वाईफाई की सुविधा दी गई थी और इसमें आयोजकों और हैकाथॉन कार्यक्रम की प्रस्तुति थी। दिन के दौरान 12 से आधी रात तक, हैकाथॉन की योजना लंच और डिनर के लिए दौड़ और ब्रेक की कई श्रृंखलाओं के साथ बनाई गई थी। 17 से 19 घंटे तक एक अलग कमरे में रेडियो-नियंत्रित कारों पर एक बाधा कोर्स के पारित होने पर एक खंड था।

पहले वक्ता, पावेल ने प्रस्तुति को समर्थन दिया: सिम्युलेटर पर्यावरण की प्रस्तुति, उनकी परियोजनाओं का कनेक्शन, एआई से परिचय। उद्देश्य: एक सिम्युलेटर में एक कार मॉडल सिखाने के लिए ताकि यह जितनी जल्दी हो सके चला सके। आप कीबोर्ड से मॉडल भी नियंत्रित कर सकते हैं। हमें एक सिम्युलेटर में एक प्रदर्शन और कोड में एक कार्यान्वयन दिखाया गया था।







हमें गिटलैब के एक प्रोजेक्ट का लिंक दिया गया। सभी को रिपॉजिटरी तक पहुंच का अनुरोध करना पड़ा, परियोजना को स्थानीय रूप से कंप्यूटर पर खुद को क्लोन करना और IntelliJ IDEA को आयात करना। इस परियोजना में ग्रैडल, मावेन या सीएमके प्रकार की पीढ़ी प्रणाली के लिए समर्थन शामिल था। आप इस परियोजना को तुरंत शुरू कर सकते हैं: इस तरह से एक सिम्युलेटर की एक खिड़की खुलती है:



उसके बाद, एक और वक्ता स्टीफन ने मशीन लर्निंग के सिद्धांत का एक संक्षिप्त परिचय दिया और स्पष्ट किया कि हैकाथॉन एक शिक्षक के साथ फीड फॉरवर्ड और प्रशिक्षण जैसे तंत्रिका नेटवर्क का उपयोग करेगा। लक्ष्य है कि कार को कैसे चलाना है, यह सिखाना। ऐसा करने के लिए, पहले हम ट्रैक को मैन्युअल नियंत्रण के साथ चलाएंगे, प्रक्षेपवक्र के बिंदुओं को बचाएंगे। प्रक्षेपवक्र डेटा सेट को CSV तालिका में संग्रहीत किया जाता है: सड़क की मध्य रेखा से दूरी, सड़क के संबंध में कोण, और मूल्य मान के लिए 0, 1, -1 में से एक। फिर हम नेटवर्क को पथ के साथ ड्राइव करने के लिए सिखाएंगे जो कि मैनुअल नियंत्रण द्वारा ट्रैवर्स किए गए पथ के करीब है।

प्रतिभागियों से सवालों के बीच एक दिलचस्प सवाल था: अन्य प्रतिद्वंद्वी कारों की स्थिति पर नेटवर्क डेटा के लिए कैसे संकेत दिया जाए। स्टीफन ने कहा कि प्रतिद्वंद्वियों के बारे में डेटा एक तंत्रिका नेटवर्क के इनपुट पर भी सेट किया जा सकता है। यदि आप प्रशिक्षण में मदद करते हैं, तो आप प्रवेश द्वार पर गति डेटा भी सेट कर सकते हैं।

स्टीफन ने दिखाया कि मैनुअल नियंत्रण के दो उदाहरण कैसे बनाएं: गलत (मनमाना) और सही (साफ, सड़क के बीच में)। प्रशिक्षित नेटवर्क का प्रदर्शन करते समय, कार को कोनों पर बड़ी समस्या थी।

विभिन्न नेटवर्क मापदंडों को कॉन्फ़िगर करना संभव था: इनपुट, आउटपुट, प्रशिक्षण युग की संख्या, छिपी हुई परत में न्यूरॉन्स की संख्या। तंत्रिका नेटवर्क को लागू करने का कार्यक्रम DL4J लाइब्रेरी का उपयोग करता है: deeplearning4j.org । दुर्भाग्य से, लाइब्रेरी 32-बिट ऑपरेटिंग सिस्टम पर काम नहीं करती है (मुझे उबंटू 12.04 वाले लैपटॉप पर समस्या थी)।

मुख्य भाग प्रतियोगिता है।

प्रत्येक टीम अपनी कार का रंग निर्धारित करती है, जिसे प्रोग्राम कोड में इंगित किया जाना चाहिए। हमें तुरंत बताया गया कि एक प्रतियोगिता में अपनी कार को नियंत्रित करने के लिए एप्लिकेशन एपीआई का उपयोग कैसे करें।



मेरे सहकर्मी और मैंने एपीआई पर आधारित सामान्य तरीकों का उपयोग करके ट्रैक को जल्दी से ट्रैवर्स करने की समस्या को हल करके शुरू किया। हमारा समाधान यह था: अगले मोड़ और मोड़ की दिशा की दूरी के आधार पर, हमने कार के रोटेशन के त्वरण और कोण को समायोजित किया। एक मोड़ की निकटता के बारे में जानकारी प्राप्त करने के लिए, हमने सिस्टम एपीआई से ग्रिड ऑब्जेक्ट का उपयोग किया। ग्रिड का सार: एक कार के लिए, आप मनमाने आकार के कार (कार के बाएं और दाएं) के सामने खेल के मैदान की सतह का एक आयताकार ग्रिड प्राप्त कर सकते हैं (उदाहरण के लिए, 8 की चौड़ाई और 10 कोशिकाओं की लंबाई)। प्रत्येक सेल के लिए, आप यह निर्धारित कर सकते हैं कि क्या ट्रैक इसके माध्यम से गुजरता है और क्या कोई अन्य कार वर्तमान में है।

यहाँ हमारी परियोजना के लिए एक कड़ी है । मुख्य फाइलें: Driver_team12.java, Team12.java और RunDev.java। नियंत्रण तर्क फ़ाइल Driver_team12.java में स्थित है।

शाम के समय, मैंने तंत्रिका नेटवर्क से निपटना शुरू किया। मैन्युअल नियंत्रण के साथ एक सरल प्रक्षेपवक्र रिकॉर्डिंग के साथ शुरू हुआ। दर्ज आंकड़ों पर प्रशिक्षण और मापदंडों (पुनरावृत्तियों की संख्या, प्रशिक्षण युग की संख्या, सीखने की गति) को समायोजित करके, पाठ्यक्रम के कई बेहतर परिणाम प्राप्त किए गए थे।

हैकाथॉन के दौरान, कई प्रतियोगिताएं आयोजित की गईं, जिनमें से प्रत्येक में टीमों के समूहों के बीच दौड़ की एक श्रृंखला आयोजित की गई थी। इस प्रक्रिया में, प्रतिभागियों ने अपने निर्णयों में लगातार सुधार किया। बड़ी समस्या कई कारों की टक्कर थी, राजमार्ग पर आंदोलन को पूरी तरह से अवरुद्ध कर दिया। यहां टीमों ने सर्वश्रेष्ठ बाधा से निपटने वाली जीत को लागू किया।









प्रतियोगिता में, आधी टीमों ने तंत्रिका नेटवर्क पर आधारित एक समाधान प्रस्तुत किया। विजेता इनमें से एक टीम है। अग्रणी टीमों में से एक ने 25 परतों के एक तंत्रिका नेटवर्क का निर्माण किया, इनपुट पर कई मापदंडों को प्राप्त किया (उनमें सड़क के बीच की दूरी, ग्रिड ऑब्जेक्ट से गति और डेटा)। एक अन्य टीम ने दो तंत्रिका नेटवर्क का उपयोग किया: एक सीधे खंड (सड़क के बीच से विचलन को कम करने के लिए) और एक मोड़ के लिए।

हैकाथन दौड़ उपलब्ध:

अन्य रोचक बातें

हैकाथॉन के अलावा, कार्यक्रम में एक रोमांचक घटना को शामिल किया गया था - रेडियो-नियंत्रित कारों पर एक बाधा कोर्स का मार्ग। एक अलग कमरे में 17 से 19 घंटे तक, आप रेडियो नियंत्रण के साथ कारों के मॉडल पर कठिन बाधाओं पर काबू पाने में अपना हाथ आजमा सकते हैं।







पूरे दिन लंच और स्नैक्स का आयोजन किया गया था। शाम को हमने पिज्जा ऑर्डर किया। बिना किसी प्रतिबंध के रसोई में बीयर डालना भी संभव था।



इतना दिलचस्प, रोमांचक और ऊर्जावान हैकाथॉन का पूरा दिन था। टीम प्रतियोगिताओं से कई सुखद इंप्रेशन, कई मजेदार पल आए। हैकाथॉन सप्ताहांत में एक अच्छा मस्तिष्क प्रशिक्षण था, जहां आप अपने दिमाग को वास्तविक जीवन के कार्यों पर रैक कर सकते हैं और एक साधारण सिम्युलेटर में मानवरहित कार चलाने का तरीका सीखने में अपना हाथ आज़मा सकते हैं।

सभी को शुभकामनाएँ और आपको जल्द ही मिलते हैं!