2022年12月30日 星期五

[遞迴, Recursion, fChart, Python] 以 fChart 馭 Python:遞迴函數(Recursive Functions)(11/11)

 以 fChart 馭 Python:
遞迴函數(Recursive Functions)


Dec. 30, 2022
[1]

遞迴是程式自己呼叫自己的一種抽絲剝繭的解題計巧。
因為這類的大問題是由其相同型式(pattern)的小問題所疊代(iterate)而增長而成的。所以,當問題空間(problem space)降低至易於處理的小大(size)時,我們就很容易從小問題的答案再往上一層一層回溯(backtrack)組合出原大問題的解答。例如:欲求數列(sequence) 1, 1, 2, 3, 5, ... 的第 10 項為何數字,我們可以發現,這串數列好像有一個隱含的規律(implicit regularity)是:第 i 項是前兩項 (i-2), (i-1) 的和,當 i > 2 時。例如:5 = 3 + 2。
表 1 的「10 大項目之 10」的 4 個實例(可從 https://reurl.cc/bGbkqM 下載)中將探討電腦科學(Computer Science,CS)中這類的經典(classical)遞迴問題──

將大問題拆解(divide)為小問題,再將小問題的答案逐步組合(combine)為大問題的解答。前題:大問題和小問題具有相同的結構性(structure)
表 1:10 大項目之 10

遞迴分析

在本小節中,我們甞試使用運算思維(computational thinking)的法則來分析費式數列問題:
步驟 1:拆解(decomposition)。我們設計了表 2 的費氏數列空白觀察表(observation table)來推敲此數列的生成(generate)過程。其結果如表 3 所示。
 
表 2:空白觀察表

表 3:費氏數列前十項觀察表

步驟 2:模式辨別(pattern recognition)。從表 3 中,我們似乎可以看出 5 = 2 + 3,即
第 n 項的值為前兩項之和。
步驟 3:抽像化(abstraction)。根據以上的觀察,我們大膽的以圖 1 這個遞迴公式(recurrence formula)來猜測費氏數列的表現。註:讀者們可援用數學歸納法(athematical inducation)來證明它的正確性。

圖 1:費費數列的遞迴公式

步驟 4:演算法(algorithm)。根據圖 1 的公式,我們可以圖 2 的流程圖來表式費氏數列的演算方法。

圖 2:費式數列的流程圖

原始問題

本文只詳述「10-02.呼叫Fib函數」:請計算費氏數列(Fibnacci number)第六項的值,其他三例請讀者們自行練習

流程圖與 Python 語法對轉

首先,函數(function)的語法請參考前著「以 fChart 馭 Python:函數」(https://reurl.cc/aablVZ)一文。緊接著,從圖  中我們可以看到 Fib(n) = t1 + t2 = Fib(n - 1) + Fib(n - 2),n = 6。其中,

Fib(6)
= Fib(5) + Fib(4)
= [Fib(4) + Fib(3)] + Fib(4) = 2 * Fib(4) + Fib(3)
= 2 * [Fib(3) + Fib(2)] + Fib(2) + Fib(1) = 2 * Fib(3) + 3* Fib(2) + 1 = 2 * Fib(3) + 3 * 1 + 1 = 2 * Fib(3) + 4
= 2 * [Fib(2) + Fib(1)] + 4 = 2 * [1 + 1] + 4 = 8

遞迴程式的撰寫格式為:
def Fib(n):
    if (n <= 2):
        return (Fib(n - 1) + Fib(n - 2)
    else:
        return 1
數後,根據流程圖將 Python 程式轉換妥後以「10-02.呼叫Fib函數.py」存檔執行後就能看到如圖 3 所對應的執行結果。

圖 3:根據流程圖手動轉換為 Python 語法以求得 Fib(6) 之值

2022年12月3日 星期六

[演算法, algorithms, fChart,Python] 以 fChart 馭 Python:演算法(Algorithms)(10/11)

  以 fChart 馭 Python:

演算法(Algorithms)


Dec. 3, 2022
[1]

演算法為陳述問題解決(problem solving)的方法,在資訊科學(Computer Science,CS)領域裡,比較關心的是「用電腦」工具來解決問題。在圖1 的「10 大項目之 9」的 7 個實例(可從 https://reurl.cc/RXXDqr 下載)中將探討搜尋(search)排序(sorting)兩大古典問題

圖 1:10 大項目之 9

搜尋與排序問題

首先,我們先定義資料的搜尋與排列問題。給定一串數字資料:5, 7, 1, 1, 4, 3, 8

搜尋問題:找出 9 是否在這串資料中?(找不到)
排序問題:將這串資料由小到大遞增(ascending)排好?(1, 1, 3, 4, 5, 7, 8)
初學者可能會很納悶:這不是一眼就能看出答案的小事,怎麼需要如此的大陣仗的在此討論呢?(如果是一千萬筆大數據資料呢?)這其中的關鍵就在:人類的一眼看不等於電腦的看一眼!
再細部追問題:是否能把人類如何一眼望穿的步驟鉅細靡遺地列出來教會只懂 0101... 的笨電腦呢?
因此,如何定性的陳述一種搜尋/排序的方法就成為古典電腦科學家所關心的問題了。例如,在 Google 設計的搜尋引擎中,我們下達「泰布布」這個關鍵字後,Google 就會將之與從全網路上所爬(crawl)來的庫儲網頁做比對(搜尋)。然後依照它們的關聯性大小依序列出(排序)。所以,我們就能從圖 2 中找到筆者長期筆耕的部落格入口網址了。
 
圖 2:Google 搜尋引擎

原始問題

從圖 1 的 7 個實例中,我們各挑了循序搜尋(sequential search)選擇排序(selection sort)來說明以流程圖來表示將演算法後人工轉換到 Python 程式的過程。其中,前者的處理方法是依序「從到到尾」和原始資料比對要尋找的鍵值(key)https://reurl.cc/aaenZG);關於後者,每一回合都從尚未排序的資料中選出其值是最小的,並將之依序放到最左手邊以形成由小到大的資料遞增方式放置https://reurl.cc/x1N9NE)。

1. 09-01.循序搜尋法:在資料 [89, 34, 78, 45, 92] 中搜尋輸入的鍵值
2. 
09-05.選擇排序法:將資料 [12, 11, 10, 15, 1, 2] 以由小到大的遞增方式排列之

流程圖與 Python 語法對轉

1. 09-01.循序搜尋法:根據流程圖將 Python 程式轉換妥後以「09-01.循序搜尋法.py」存檔執行後就能看到如圖 3 所對應的執行結果。

圖 3:循序搜尋演算法

2. 09-05.選擇排序法根據流程圖將 Python 程式轉換妥後以「09-05.選擇排序法.py」存檔執行後就能看到如圖 4 所對應的執行結果。

圖 4:選擇排序演算法,資料以遞增方式排妥

2022年11月13日 星期日

[科技宝, Cagebot, 8787, AI, Arduino] 國廠祥儀科技寶智慧手臂 3/3:電控程式設篇

 國廠祥儀科技寶智慧手臂 3/3:

電控程式設計篇


Nov. 13, 2022
[1]

  [2][3]

本系列第三篇文章延續了第一篇《國廠祥儀科技寶智慧手臂 1/3:機構設計篇(https://reurl.cc/Wq1aWZ)》的解析,本文將進一步地著墨在控制板(Arduino Nano)PCA9685  8787 電控程式設計上(圖 1 最右方塊)。

圖 1:機電整合專案三大設計

完整的電控程式

我們先來看看將控制板、PCA9685 與 8787 三者整合後的完整程式(https://reurl.cc/585AlM)(註:祥儀的 RD 是以 Performio(https://www.performio.com)這套 IDE 來開發智慧手臂的測試程式的,所以,它的主程式為 main.cpp。我們打開這隻程式細看,setup()、loop() 依舊是 Arduino IDE 的 C/ C++ 語法。因此,只要將智慧手臂的函式庫(https://reurl.cc/58paLz)複製到Arduino IDE 預設的函式庫存放路徑 C:\Program Files (x86)\Arduino\libraries 或 C:\Users\<user>\Documents\Arduino\libraries 之下即可順利編譯之。):

黃色指令為用來預測 8787 移動路徑的卡爾曼濾波器(Kalman filter)的程式碼;
紫色指令為 PCA9685 伺服馬達擴充板的控制程式碼;
綠色指令為 威盛 8787 AI 視覺感測器的控制程式碼。

#include <Arduino.h>
#include <Wire.h>
#include <SoftwareSerial.h>
#include "PCA9685.h"
#include "SimpleKalmanFilter.h"
#include "Pixetto.h"

#define sevo1_pin 0
#define servo1_angle_min -90
#define servo1_angle_max 90
#define servo1_angle_init 0

#define sevo2_pin 1
#define servo2_angle_min -90
#define servo2_angle_max 90
#define servo2_angle_init 0

#define sevo3_pin 2
#define servo3_angle_min -90
#define servo3_angle_max 90
#define servo3_angle_init 0

#define sevo4_pin 3
#define servo4_angle_min -90
#define servo4_angle_max 90
#define servo4_angle_init 0

#define rxPin 11
#define txPin 9

Pixetto ss(rxPin, txPin);

PCA9685 driver;
// PCA9685 輸出 = 12 位 = 4096 步
// 20ms 的 2.5% = 0.5ms ; 20ms 的 12.5% = 2.5ms
// 4096 的 2.5% = 102 步;4096 的 12.5% = 512 步
PCA9685_ServoEval pwmServo1; // (0deg, 90deg, 180deg)
PCA9685_ServoEval pwmServo2; // (0deg, 90deg, 180deg)
PCA9685_ServoEval pwmServo3; // (0deg, 90deg, 180deg)
PCA9685_ServoEval pwmServo4; // (0deg, 90deg, 180deg)

SimpleKalmanFilter KalmanFilter_X(1, 1, 0.01);
SimpleKalmanFilter KalmanFilter_Y(1, 1, 0.01);

int servo1Pos, servo2Pos, servo3Pos; // 當前角度
int KalmanX, KalmanY;

void setup() {
  Wire.begin(); // Wire must be started first

  driver.resetDevices(); // Software resets all PCA9685 devices on Wire line
  driver.init(); // Address pins A5-A0 set to B000000
  driver.setPWMFreqServo(); // Set frequency to 50Hz

  driver.setChannelPWM(0, pwmServo1.pwmForAngle(servo1_angle_init));
  delay(10);
  driver.setChannelPWM(1, pwmServo2.pwmForAngle(servo2_angle_init));
  delay(10);
  driver.setChannelPWM(2, pwmServo3.pwmForAngle(servo3_angle_init));
  delay(10);
  driver.setChannelPWM(3, pwmServo4.pwmForAngle(servo4_angle_init));
  delay(10);

  ss.begin();
  ss.enableFunc(Pixetto::FUNC_COLOR_DETECTION);
  delay(10);
  Serial.begin(9600);
  
  servo1Pos = servo1_angle_init+90;
  servo2Pos = servo2_angle_init+90;
  servo3Pos = servo3_angle_init+90;
}

void loop() {
  if (ss.isDetected()) {
    Serial.print("x:");
    Serial.println(ss.getPosX());
    Serial.print("y:");
    Serial.println(ss.getPosY());
    Serial.print("w:");
    Serial.println(ss.getWidth());
    Serial.println("");
    KalmanX = KalmanFilter_X.updateEstimate(ss.getPosX());
    KalmanY = KalmanFilter_Y.updateEstimate(ss.getPosY());
    if (ss.getFuncID() == Pixetto::FUNC_COLOR_DETECTION) {
      if (ss.getTypeID() == Pixetto::COLOR_RED) {
        if (KalmanX >= 50) {
          servo1Pos -= 5;
          if (servo1Pos >= servo1_angle_max+90)
            servo1Pos = 180;
          driver.setChannelPWM(0, pwmServo1.pwmForAngle(servo1Pos-90));
        }
        else if (KalmanX <= 25) {
          servo1Pos += 5;
          if (servo1Pos <= servo1_angle_min+90)
            servo1Pos = 0;
          driver.setChannelPWM(0, pwmServo1.pwmForAngle(servo1Pos-90));
        }
        else if (KalmanY <= 17) {
          servo2Pos += 5;
          if (servo2Pos >= servo2_angle_max+70)
            servo2Pos = 160;
          driver.setChannelPWM(1, pwmServo2.pwmForAngle(servo2Pos-90));

        }
        else if (KalmanY >= 60) {
          servo2Pos -= 5;
          if (servo2Pos <= servo2_angle_min+90)
            servo2Pos = 0;
          driver.setChannelPWM(1, pwmServo2.pwmForAngle(servo2Pos-90));
        }

        if (servo2Pos <= 65) {
          servo3Pos = servo2Pos + 25;
          if (servo3Pos <= servo3_angle_min+90)
            servo3Pos = 0;
          driver.setChannelPWM(2, pwmServo3.pwmForAngle(servo3Pos-90));
        }
        else if (servo2Pos >= 85) {
          servo3Pos = servo2Pos + 10;
          if (servo3Pos >= servo3_angle_max+90)
            servo3Pos = 180;
          driver.setChannelPWM(2, pwmServo3.pwmForAngle(servo3Pos-90));
        }
        else {
          servo3Pos = servo3_angle_init;
          driver.setChannelPWM(2, pwmServo3.pwmForAngle(servo3Pos));
        }

      }
    }
  }
}

如圖 2 所示,電控程式是用來控制硬體運作的指令集合,因此,我們先要想像智慧手臂要如何動作,然後將之對應到伺服馬達群的一連串控制劇本(script)。例如,我們想要讓智慧手臂追蹤到紅球就伸爪去夾住它,將這段劇本翻譯成伺服馬達控制語言則變成:左右轉動伺服馬達 1 去追紅球,水平定位到之後再移動伺服馬達 3 重直定位到紅球蹤跡。接著,調整伺服馬達 2 調整紅球和 8787 遠近的深度(depth)。三軸鎖定紅球的位置後即可張爪夾球。

圖 2:電控程式學習拆解

圖 2 中最右邊的淺藍色方塊表示現今流行的伺服馬達控制程式界面概可分為積木程式、C/ C++ 和 MicroPython 的語法程式。
關於智慧手臂如何自動追蹤紅球,在 Notepad++ 文字編輯器中,我們將上述的程式碼打開,就能很清楚的看到圖 2 中紅框內所框選的即為實作的程式碼,它判斷的數據如圖 3 上半部圖示。此外,在追蹤移動時,為了讓 8787 永遠保持置中,圖 2 中的綠框處即為實作的程式碼,它的判斷數據如圖 3 的最下方圖示。

圖 2:自動追蹤的程式片斷

圖 3:自動追蹤紅球時 8787 的移動位置調整

電控程式之主控板及開發環境建置

智慧手臂的控制板是 Arduino Nano 的相容板,裝妥 CH340 驅動程式、從裝置管理員確認它被指派到的 COM 埠編號後,我們就可以使用 Arduino IDE (我們使用 V1.8.9(https://reurl.cc/06Xq3Y)版本,祥儀 RD 建議以 V1.8.X 版為佳──經我們測試,最新的 V2.0.x 版改幅度不小,不建議讀者們採用)來開啟祥儀研發的範例程式。其中,Board 設定為 Arduino Nano、Processor 設定為 ATmega32p (Old Bootloader)、Port 設定為裝置管理員中列出 CH34 的 COM 埠編號。
萬事皆備,我們就可以將 Arduino 界最著名的 Blink 範例程式(讓板載在 D13 腳位上的 SMD LED 閃爍)上傳到控制板來測試我們的開發環境是否全然準備妥當,如圖 4 所示。我們將 Blink 的程式碼摘列如下:

void setup() {
  // initialize digital pin LED_BUILTIN as an output.
  pinMode(LED_BUILTIN, OUTPUT);
}

void loop() {
  digitalWrite(LED_BUILTIN, HIGH);   // turn the LED on (HIGH is the voltage level)
  delay(1000);                       // wait for a second
  digitalWrite(LED_BUILTIN, LOW);    // turn the LED off by making the voltage LOW
  delay(1000);                       // wait for a second
}

圖 4:控制板在 Arduino IDE V.1.8.9 的設定

電控程式之 PCA9685

為了能準確的控制每一顆伺服馬達,我們應該要先弄清楚一顆伺服馬達是如何以指令程式達成控制的。從 Github 上取得 PCA9685 的控制程式碼 pwmtest.ino https://reurl.cc/06XNMo,我們將之調整成「單顆」伺服馬達的測試程式如下:

#include <Wire.h>
#include <Adafruit_PWMServoDriver.h>

Adafruit_PWMServoDriver pwm = Adafruit_PWMServoDriver();

#define SERVOMIN  150
#define SERVOMAX  600
#define USMIN  600
#define USMAX  2400
#define SERVO_FREQ 50

uint8_t servonum = 0;

void setup() {
  Serial.begin(9600);
  Serial.println("8 channel Servo test!");

  pwm.begin();
 
  pwm.setOscillatorFrequency(27000000);
  pwm.setPWMFreq(SERVO_FREQ);

  delay(10);
}

void setServoPulse(uint8_t n, double pulse) {
  double pulselength;
  
  pulselength = 1000000;
  pulselength /= SERVO_FREQ;
  Serial.print(pulselength); Serial.println(" us per period"); 
  pulselength /= 4096;
  Serial.print(pulselength); Serial.println(" us per bit"); 
  pulse *= 1000000;
  pulse /= pulselength;
  Serial.println(pulse);
  pwm.setPWM(n, 0, pulse);
}

void loop() {
  Serial.println(servonum);
  for (uint16_t pulselen = SERVOMIN; pulselen < SERVOMAX; pulselen++) {
    pwm.setPWM(servonum, 0, pulselen);
  }

  delay(500);
  for (uint16_t pulselen = SERVOMAX; pulselen > SERVOMIN; pulselen--) {
    pwm.setPWM(servonum, 0, pulselen);
  }

  delay(500);

  for (uint16_t microsec = USMIN; microsec < USMAX; microsec++) {
    pwm.writeMicroseconds(servonum, microsec);
  }

  delay(500);
  for (uint16_t microsec = USMAX; microsec > USMIN; microsec--) {
    pwm.writeMicroseconds(servonum, microsec);
  }

  delay(500);

  if (servonum > 7) servonum = 0; // Testing the first 8 servo channels
}

現在,我們已經學會了單顆伺服馬達了,接下來就可以輕鬆地把像圖 2 提及的智慧手臂動作劇本轉換成對應的四顆伺服馬達控制指令了,讀者們可以自行挑戰看看!

此外,卡爾曼濾波器的測試程式可從此 https://reurl.cc/X5V05M 下載測試並從中了解這個數學模型的使用方式。

電控程式之 8787

首先,在 Pixtto 公用程式(Pixetto Utility)中設定使用 8787 內建的顏色偵測(color detection) AI 模型,如圖 5 所示。

圖 5:在 Pixetto 公用程式中指定顏色偵測的內建 AI 功能

緊接著,因為智慧手臂的 Github(https://reurl.cc/58paLz)中已含有 8787 V1.5.1 版的 Arduino 函式庫,所以,在 Arduino IDE 中可以使用下列的語法架構如來設計:

if (ss.isDetected()) {
    if (ss.getFuncID() == Pixetto::FUNC_COLOR_DETECTION) {
        if (ss.getTypeID() == Pixetto::COLOR_RED) {
        //...
    }
}
}

關於 8787 內建的 AI 模型詳列如下,有興趣的讀者們可詳參 https://reurl.cc/qZN7Mp 這隻 C 語言的標頭檔(header file):

enum EFunc
{
FUNC_COLOR_DETECTION = 1,
FUNC_COLOR_CODE_DETECTION = 2,
FUNC_SHAPE_DETECTION = 3,
FUNC_SPHERE_DETECTION = 4,
FUNC_TEMPLATE_MATCHING = 6,
FUNC_KEYPOINTS = 8,
FUNC_NEURAL_NETWORK = 9,
FUNC_APRILTAG = 10,
FUNC_FACE_DETECTION = 11,
FUNC_TRAFFIC_SIGN_DETECTION = 12,
FUNC_HANDWRITTEN_DIGITS_DETECTION = 13,
FUNC_HANDWRITTEN_LETTERS_DETECTION = 14,
FUNC_CLOUD_DETECTION = 15,
FUNC_LANES_DETECTION = 16,
FUNC_EQUATION_DETECTION = 17,
FUNC_SIMPLE_CLASSIFIER = 18,
FUNC_VOICE_COMMAND = 19
};

[科技宝, Cagebot, 8787, AI, Arduino] 國廠祥儀科技寶智慧手臂 2/3:機電整合設計篇

 國廠祥儀科技寶智慧手臂 2/3:

機電整合設計篇


Nov. 13, 2022
[1]

 [2][3]

本系列第二篇文章延續了前一篇《國廠祥儀科技寶智慧手臂 1/3:機構設計篇(https://reurl.cc/Wq1aWZ)》的解析,本文將進一步地著墨在機電整合設計上(圖 1 中間方塊),仔細地剖析控制板(Arduino Nano)伺服馬達 16 路伺馬達擴充板 PCA9685 的電路設計。這三者的接線圖如圖 3,電路圖如圖 4 所示。註:智慧手臂的控制板在出廠的接線已改為以 D11(8787 Grove 的黃線接做為接收 Rx 的控制板接腳) 和 D9(8787 Grove 的白線接做為傳送 Tx 的控制板接腳) 和 8787 做四線對接交握(handshaking)通信,請讀者自行調整圖 2 和圖 3 的接腳接線。 

圖 1:機電整合專案三大設計

圖 2:智慧手臂接線圖

圖 3:智慧手臂電路圖

另一方面,因為伺服馬達與 8787 都是吃大電流的電子元件,以「多電源共地」方式拉電源是比較安穩的供電方式(圖 2 是以二顆 18650 的 7.4 V 電池並聯供電) [4]:

電源供應 1:供應 5V 給 PCA 9685 去控四顆伺服馬達
電源供應 2:供應 5V 給 8787
電源供應 3:供應 5V 給控制板 

機電整合之 Arduino Nano

智慧手臂使用祥儀自家設計的科技寶(Cagebot)控制板(https://reurl.cc/X5jn1a),這是一塊 Arduino Nano 的相容板子,使用前要先掛上 CH340 驅動程式(https://reurl.cc/VRDVK6)。然後在裝置管理員(device manager)(以 Windows 為例,其他作業系統請自行尋找)中可查看到作業系統所指派的序列埠(COM port)編號──此號碼很重要,一定要學會隨時查看,因為我們隨後會以 Arduino IDE 開發工具透過此通道將程式上傳到控制板中。

機電整合之伺服馬達

伺服馬達採用了閉迴路(closed-loop)迴授(feedback)機制(https://reurl.cc/aaV0vZ),使之能以 0~180 度控制其轉動角度。至於馬達內的各部件(parts),強烈建議讀者以破壞式學習(https://reurl.cc/aaV0vZ),透過逐一拆解的過程去印證這些組成部件的關連性,以建立知識的直覺(intutition)

機電整合之 PCA9685

(伺服)馬逹是以電生磁,磁生力的電磁作用轉動的,它在啟動瞬間需要較大的啟動電流去推動,因此,切勿貪圖一時方便直接將之接到控制板的 GPIO(General Purpose Input/ Output)接腳(pin)上。雖然偶一為之看不出它對控制板的傷害,但隨著多次的積累使用,其實是在加速控制板的老化(burnout),就好像一直往存款有限的戶頭大量提款,這筆存款就會很「快」地被提領殆盡的。因此,我們選擇了 16 路四線 I2C 匯流排(bus)介面的馬達擴充板 PCA9685(https://reurl.cc/58pVn7)來趨動智慧手臂的四軸。

機電整合之 8787

8787 以 Grove 四線(Tx 黃、Rx 白、+5V 紅、GND 黑)和控制板的 D11(Rx)與 D9(Tx)透過軟體序列(software serial)進行交握式通信。兩者間連接方式如圖 5 所示。其中,8787 的 micro USB 接頭可供影像輸出校正監控之用。強烈建議元成校正後請保持 8787 獨立供電,以確保它能正常工作。

圖 5:8787 接線圖

2022年11月5日 星期六

[科技宝, Cagebot, 8787, AI, Arduino] 國廠祥儀科技寶智慧手臂 1/3:機構設計篇

 國廠祥儀科技寶智慧手臂 1/3:

機構設計篇


Nov. 5, 2022
[1]

  [2][3]

當國產祥儀塑鋼積木手臂添加了威盛(VIA)的 Pixetto(文後皆以 8787 稱之)AI 視覺感測器(vision sensor)(文後皆以智慧手臂稱之)會產生什麼綜效?本系列文章將從機構與機電整合設計兩面向逐一解說這其中的秘辛。

套件學習法

廠商都幫忙把機構、機電整合、電控程式、教材包成懶人包了,剩下的就只是按圖施工(腦袋空空)了嗎?
一般而言,知識、技能的學習約莫有兩種方式:由上而下(top down)和由下而上(bottom up),如圖 1 所示。其中,因前者已經有了套件典範(paradigm),所以我們比較容易將之拆解(decompose)而學習,但會因結果已知而限制了創意的擴散思考設計。然而,從基礎的各個知識點按部就班依序學習完畢後才將之整合(integrate)而的設計亦是另有一番風景。不過,見樹不見林的盲點容易導致學完新的知識就忘了舊的。

圖 1:兩學習方法論

智慧手臂教學採由上而下方式將大部頭的知識點逐一拆解至容易理解的各個小塊知識基元來還原作品設計的各階段歷程,此套件學習法如圖 2 所示。我們期待學員們能以設計師(designer)的視野去綜覽 why、how、…等等緊密的設計思維來欣賞這隻智慧手臂的創造歷程,並經由親手仿作來體驗與學習。

圖 2:套件學習法

仿生

舉起您的手臂活動活動,覺察一下:圖 3 的 1 處關節(joint)可以 360 度運動,2、3 處只能在限定角度下運動,而 4 處可做抓取。

圖 3:人體手臂四關節

圖 4 的智慧手臂設計即是模仿人類的手臂運動,在 1~4 的關節點放上可以帶動的四顆伺服(servo)馬達(SG90 和 MG995)而使得它有四軸(axies)可以在空間中自由的運動。其中,伺服馬達 1 可 0~180 度左右轉動,伺服馬達 2、3 負責控制大、小手臂的上下運動,伺服馬達 4 則控制抓子的開合抓取。

圖 4:智慧手臂四軸

參考設計:MeArm

筆者在約莫數年前即接觸了著名的機器手臂開源(open source)專案 MeArm(https://reurl.cc/oZ1ArV),它是由底盤、大手臂、小手臂和夾子四段所組成(https://reurl.cc/QWLGNZ),

模仿人手動作的秘密在於四個馬達,前方馬達控制爪子的開合;左左兩個馬達用來控制手臂前後伸展及上下移動;安置於下方的馬達是讓整組機身左右旋轉。 ~https://reurl.cc/gQ212N

請讀者們自行比較智慧手臂和它運動方式的異同之處。

機構組裝

根據祥儀提供的第一手組裝指引,我們將之轉檔成圖 5 的影片供讀者們參考。我們強烈建議讀者們根據圖 4 所標示的軸編號,依照數字順序組裝時,每裝妥一軸即輕輕(太大力轉動會使伺服馬達齒輪損壞)轉動觀察它們是如何動作的─對比於人的手臂和 MeArm 設計的異同點為何?

圖 5:智慧手臂組裝

開光:智慧視覺感測器(smart vision sensor)

如圖 6 所示的 demo 影片,智慧手臂使用了 8787 內建的顏色偵測(color detection) AI 模型,並實現了有色物件自動追蹤的示例。機電整合及電控程式的分析將以後文詳述之。
關於 8787 一系列的介紹文章,可以參考筆者所著的「假 a 真 i(https://reurl.cc/28ZV5a)」專網。

圖 6:有色物件自動追蹤手臂

生活中的機器手臂應用

處在這個科技爆發的時代,我們更期待著新技術能從自動化進入到智慧化,乃至最後可以達到無人化的全新應用領域。像是從工廠自動化自動物流智慧工廠,到無人咖啡店,再到藝術創作或者是手術機器人,智慧手臂開始有了更進一步的生活應用。然而智慧手臂的設計還是從這些基礎學習開始的。因此,不管是由上而下的套件學習法或者是由下而上的按部就班學習法,找到自己的學習興趣仍是自我學習的重要任務──喜歡智慧手臂的讀者們,就從這裡開始吧!

翦影

關於本智慧手臂教學照片請有興趣的讀者參考 12345678。桃園蘆竹五校聯合 AI 教育成果發表會之成果影片請參考圖 7 中之連結連入觀看。

 
圖 7:成果發表會影片