أخبار سارة لعشاق الليغو: لا تخف من امتلاك الكثير من الليغو، فآلة الفرز الذكية يمكنها مساعدتك في فرزها

أصبحت ليغو الآن مرادفة تقريبًا للألعاب عالية الجودة، والمنتج الأكثر شهرة لهذه العلامة التجارية هو مكعبات ليغو. أشكالها الغنية وطرق اللعب المتنوعة يحبها الكبار والصغار على حد سواء. ومع ذلك، فإن تصنيف وتخزين هذه الأجزاء المعقدة والمتنوعة يمثل مشكلة كبيرة. استخدم مهندس برمجيات تقنية الذكاء الاصطناعي لبناء آلة فرز ليغو، مما جلب أخبارًا جيدة لمحبي ليغو.

حتى لو لم تلعب بالليغو من قبل، فمن الممكن أنك سمعت عنها. تأسست مجموعة ليغو في الدنمارك عام 1932، وبعد ذلك بفترة وجيزة"ليغو"أصبحت هذه العلامة التجارية مرادفة للألعاب عالية الجودة.

تم إصدار مكعبات البناء الأكثر شهرة من شركة LEGO لأول مرة في عام 1949. 70 عامًا من التاريخ.

ما مدى صعوبة تصنيف الليغو؟

تعتبر قطع الليغو جذابة جدًا للأطفال نظرًا لتعقيدها وتنوعها ومساحة خيالها الكبيرة. لقد جعلوا العديد من اللاعبين مهووسين بها وحتى أصبحوا وسائل تعليمية في العديد من المؤسسات التعليمية. ومع ذلك، فإن التنوع الغني للأجزاء غالبًا ما يجعل الأصدقاء الذين يحبون ليغو يقعون في كثير من الأحيان في مشكلة التصنيف والتصنيف. في الوقت الحاضر، هناك سلسلة 119، 111 لونًا، وكل سلسلة تحتوي علىمئات أو حتى آلاف الأجزاء.

كان هناك ذات مرة أحد عشاق الليغو الذي اشترى 2 طن من مكعبات الليغو في مزاد على موقع eBay. لقد كان من الممتع إنفاق المال، ولكن عندما واجه مثل هذا العدد الكبير من قطع الليغو، أصيب بالذهول. وكتب في مدونته "سيستغرق الأمر عدة أعمار لتنظيمهم جميعًا".

وقد قام العديد من اللاعبين أيضًا بإجراء أبحاث حول تصنيف وتنظيم الليغو. قام دانييل ويست، مهندس البرمجيات الأسترالي المهتم برؤية الكمبيوتر، بتسليم هذه المشكلة "المحيرة" إلى الذكاء الاصطناعي.

أول آلة فرز ليغو عالمية تعمل بالذكاء الاصطناعي في العالم

بالنسبة للبشر، بمجرد النظر إلى كتلة بناء، يمكننا بسهولة تحديد شكلها ولونها وميزاتها الأخرى. حتى الطفل الذي يبلغ من العمر عامًا أو عامين يستطيع التمييز بين الفرق بين، على سبيل المثال، مكعب بناء أحمر 2×1، ومكعب بناء أخضر 4×1، ومكعبات البناء المتسلسلة الصغيرة بعد عدة محاولات.

ولكن ماذا لو تركنا مهمة التصنيف والتلخيص للآلة؟ يبدو أن الأمر ليس بهذه البساطة.

في وقت مبكر من 2011، أحد عشاق ليغو في اليابان أكيوكي، اخترع آلة فرز ليغو لحل هذه المشكلة. ومع ذلك، تحتوي قاعدة البيانات الخاصة به على عدد أقل من الصور وسرعة الفرز أبطأ.

مستوحى من أكيوكي، الذي يحب أيضًا ليغو والآلاتدانيال ويست، مهندس برمجيات أسترالي  أريد أن أصمم آلة فرز ليغو أكثر ذكاءً وسرعة.

لذلك أمضى عامين في استخدامأكثر من 10000 قطعة ليغو، قام ببناء آلة فرز مكعبات ليغو عالمية، هذه الآلة الفرزبمساعدة خوارزميات الرؤية الحاسوبية، يمكن فرز أي أجزاء من لعبة ليغو. ويحتوي الجهاز أيضًا على 6 محركات ليغو و9 محركات سيرفو لتشغيل الأحزمة الناقلة والمحركات التي تنقل أجزاء ليغو.

قال ويست أن الآلة يمكنفرز 2927 قطعة ليغو في 18 صندوقًا مختلفًا،وكل ثانيتينيمكنك مشاركة كتلة البناء. هذه الكفاءة جيدة جدًا، أليس كذلك؟

على الرغم من أن هذه ليست أول آلة فرز ليغو في العالم، إلا أن ويست يطلق عليها اسمأول آلة فرز ليغو عالمية في العالم"لأنه يستخدم أحدث تقنيات الذكاء الاصطناعي ليكون قادرًا على التعرف على أي جزء من ليغو تم إنتاجه على الإطلاق وتصنيفه." ويخطط ويست أيضًا لإصدار الكود في المستقبل.

عمل التصنيف، تنقسم العملية إلى ثلاث خطوات

كيف يعمل هذا الجهاز القادر بالضبط؟ بشكل عام، لا يبدو الأمر معقدًا ويتكون من ثلاث خطوات في المجموع.

الخطوة 1: أضف الكتل.

يتم سكب كومة كبيرة من مكعبات الليغو في مجرى مائي أعلى الماكينة، ثم يتم وضع المكعبات على حزام اهتزازي، حيث يتم تفكيكها إلى قطع فردية.

الخطوة 2: التقاط الصور وتصنيفها.

يتم تسليم الكتل بواسطة جهاز كمبيوتر Raspberry Pi. يحتوي كمبيوتر Raspberry Pi على كاميرا تلتقط سلسلة من الصور أثناء مرور الطوب، والتي يتم إدخالها بعد ذلك في نموذج CNN. شبكة ريزنت-50  تصنيف على.

الخطوة 3: التصنيف ووضعها في الصناديق

بعد إرجاع نتائج التصنيف إلى الجهاز، ستقوم بوابات صغيرة مختلفة على الحزام الناقل بتوجيه كتل البناء إلى الصناديق التي تنتمي إليها. 

التنفيذ الفني له تقلبات وتحولات

هناك مئات الأنواع من أجزاء الليغو، بألوان مختلفة، وأشكالها مختلفة عند النظر إليها من زوايا مختلفة. لذلك،إن جمع مجموعة بيانات التدريب الصحيحة هو الجزء الأصعب من المهمة بأكملها.

وقال ويست إنه حاول في البداية محاكاة ذلك باستخدام مكعبات الليغو. هو من مكتبة أجزاء LDraw(برنامج مفتوح المصدر يسمح لعشاق بناء ليغو افتراضيًا) نموذج ثلاثي الأبعاد، وتم تقديمه باستخدام برنامج الرسوم المتحركة المجاني Blender.

ويمكنه بعد ذلك محاكاة كتل النموذج الثلاثية الأبعاد بزوايا دوران وألوان مختلفة. يتم جمع هذه الصور الفردية فيأكثر من 25 مليون صورةمن مجموعات البيانات الاصطناعية.

ولكن لدهشة الغرب،تم تدريب مصنف ليغو الذكي الخاص به على صور مزيفة لكنه لم يتمكن من التعرف على الأجزاء الحقيقية. وقال "كنت على وشك التخلي عن المشروع بشكل كامل في تلك اللحظة". "لقد أمضيت عدة أشهر في تنفيذ طريقة معقدة لتحويل الصور الاصطناعية إلى صور حقيقية، ولكن دون نجاح يُذكر."

ثم انتقل إلى تقنية أخرى شائعة الاستخدام للمساعدة في تقليص الفجوة بين المحاكاة والواقع:التوزيع العشوائي للمجال.

يمكن لتوزيع المجال بشكل عشوائي تدريب النموذج للتعرف على المزيد من الاختلافات في البيانات.لم يتعلم النظام فقط الدورات والألوان المختلفة لمكعبات الليغو، بل تعلم أيضًا كيفية مراعاة تأثيرات الإضاءة المختلفة، والملمس، والضوضاء..

لتحسين أداء مصنف ليغو بشكل أكبر، قام ويست أيضًا بدمج مجموعة بيانات أصغر تحتوي على لقطات من أجزاء ليغو الحقيقية. وقال "إن مجموعة البيانات الحقيقية تحتوي فقط على قطع من مجموعتي الشخصية، والتي بلغ عددها في النهاية 544 نوعًا مختلفًا من القطع". كانت هذه هي الأنواع الأكثر شيوعًا الموجودة في سلسلة Lego، في حين كانت مجموعة البيانات الاصطناعية مخصصة لأنواع أقل شيوعًا.

ومن خلال التدريب على هاتين المجموعتين من البيانات، ينبغي للكاميرا الموجودة على جهاز فرز الليغو الخاص بـ ويست، من الناحية النظرية، أن تكون قادرة على التعرف على الأجزاء التي لم ترها فعليا على الإطلاق. ومع ذلك، فإن الأداء الفعلي للنموذج على مجموعات البيانات المختلفة لا يزال مختلفًا:مجموعة البيانات الحقيقيةعندما تكون الأجزاء 93%، والتعريفمجموعة بيانات اصطناعيةدقة الأجزاء في 74%.

ليس من السهل جمع مجموعات بيانات التدريب، وكتب ويست أيضًا مقالًا (الرابط الأصلي: http://985.so/f5G8)، يوضح بالتفصيل كيف قام بإنشاء 100000 صورة تدريبية من LEGO. وذكر المقال أنه استخدم بشكل أساسي طرق إنشاء العينات والعمليات المبسطة واستخدم التعليقات التوضيحية بمساعدة الذكاء الاصطناعي لإكمال مهمة وضع العلامات على الصور الضخمة.

الأحلام تصبح حقيقة بمساعدة الذكاء الاصطناعي

ويست يحب ليغو، وحلمه مرتبط أيضًا بالليغو. وقال:سيحقق أخيرًا حلم حياته: بناء آلة فرز ليغو حقيقية وعاملة، مع اكتساب خبرة عملية في تصميم ونشر أنظمة الذكاء الاصطناعي.

إن الاهتمام هو أفضل معلم وأعظم قوة دافعة. وفي الوقت نفسه، أصبح تطور التكنولوجيا أيضًا معززًا للاهتمامات والأحلام، مما يسمح بتحقيق الأحلام الكبيرة والصغيرة بشكل أسرع وأكثر مثالية. في الوقت الحاضر، يمكن للذكاء الاصطناعي مساعدتك في فرز قطع الليغو، فماذا لا يمكنه فعله أيضًا؟

-- زيادة--