AI アクティビティ タイマーを作成するには、 さまざまな動きやアクティビティを行っているときを認識するように機械学習 (ML) モデルをトレーニングします。 次に、そのモデルをアクティビティ タイマー用の既製のコードと組み合わせて から、micro:bit にダウンロードして実際に使用します。 「micro:bit CreateAI で開く」をクリックしてプロジェクトを起動します。 このプロジェクトには、歩行の動作データの 6 つのサンプル、 飛び跳ねの 動作データの 6 つのサンプル、およびかなり静止する動作データの 6 つのサンプルが付属しています 。 独自の動きデータを記録することで、さらにサンプルを追加します。 micro:bit CreateAI は、micro:bit 上の加速度センサーまたは動きセンサーを使用して動きデータ サンプルを収集します。 micro:bit とバッテリー パックを手首または足首に装着し 、自由に動いて自分の運動データ サンプルを記録します。 まず、足首に装着する micro:bit を CreateAI に接続します。 これをデータ収集 micro:bit と呼びます。 コンピューターで Bluetooth が有効になっている場合は、バッテリー パックと USB データ リードを備えた 1 マイクロビットだけが必要です。 Bluetooth 接続がない場合は、2 micro:bit を使用するように求められます。 2 番目の micro:bit は USB ケーブルに接続されたままとなり、 データ収集 micro:bit への無線リンクとして機能します。画面の指示に従って接続します。 micro:bit が接続されると、micro:bit を動かすとライブ グラフ上の線が変化するのがわかります。 これで、独自の動きデータ サンプルを追加する準備ができました。 このプロジェクトにはすでにいくつかのデータ サンプルが含まれているため、 今はアクションごとにサンプルを 1 つ追加するだけにして、後でデータの収集と分析に時間を費やすことをお勧めします。 データ収集 micro:bit が足首の内側に、ボタン B が上になるように取り付けられていることを確認してください。 特定のアクションにデータを追加するには、そのアクションをクリックして選択します。 1 秒の録音が開始される前に、3 秒のカウントダウンが表示されます。 「記録」をクリックしてすぐに移動を開始し、クリーンなデータ サンプルを確実に取得します。 クリーンなサンプルとは、サンプル全体にわたって移動が開始され、 開始が遅くなったり、移動が早く終了したりしないサンプルのことです。 次に、追加のデータ サンプルを「ジャンプ」データ セットと「静止」データ セットに追加してみます。 アクションをクリックしてそれらを選択し、次に「記録」をクリックしてジャンプするか、サンプルを記録しながら静止したままにしてください。 「静止」サンプルでは、​​取り付けられた micro:bit の角度に応じて、X、Y、Z ラインの位置が変わることがわかります。 現時点では多くのデータはありませんが、CreateAI を使用して独自の機械学習モデルをトレーニングするのに十分なデータがあります。 したがって、[モデルのトレーニング] をクリックして、現在のデータを使用して ML モデルを構築します。 このツールは、micro:bit を動かすときのさまざまなアクションを認識する数学的モデルを構築します。 モデルのトレーニングが完了すると、すぐに [モデルのテスト] ページが表示されます。 次に、データ収集 micro:bit を使用して、モデルがどの程度機能しているかをテストします。 まだツールに接続されているはずです。ツールを移動すると、CreateAI がユーザーが行っているアクションを推定していることがわかります。 各アクションを試して、推定されるアクションと確実性の棒グラフの変化を確認します。 確実性棒グラフの % は、モデルが各アクションを実行していることをどの程度確信しているかを示します。 モデルが一部のアクションを正確に推定していないことに気づくかもしれません。あるいは、 あるアクションではうまく機能しているが、他のアクションではうまく機能していない可能性があります。そのため、モデルが現在どのように機能しているかを調べた後、 [データ サンプルの編集] をクリックして改善することをお勧めします。あなたのモデル。 機械学習モデルは通常、より多くのデータを使用することで最も効果的に機能するため 、アクションごとに追加のサンプルを記録するか、テストで問題があったアクションについてより多くのデータを収集することに重点を置きます。 一度に 1 つのサンプルを録音することも、10 個のサンプルを連続して録音することもできます。 クリーンなデータ サンプルは ML モデルの機能を向上させるのにも役立ちます。そのため、データ セットを調べて、モデルを混乱させる可能性のあるデータ サンプルを特定します。 X を押すとこれらを削除できます。 さらにデータを追加してデータ セットを確認したら、[モデルのトレーニング] を再度クリックして、修正したデータ セットを使用します。 次に、「モデルのテスト」ページでモデルを再度テストします。 ML モデルの動作に満足したら、それを既製のプロジェクト コードで使用できます。 [MakeCode で編集] をクリックすると、特別なバージョンの Microsoft MakeCode のコード ブロックが表示されます。 画面左上の矢印を使用していつでも CreateAI に戻ることができます。 これらのコード ブロックは、エクササイズ タイマー内で作成したモデルを使用します。 このコードでは 3 つの変数を使用して、各アクションの実行時間を追跡します。 プログラムが最初に実行されるとき、これらのタイマー変数は 0 に設定されます。 「ML 開始時」ブロックは、ML モデルが特定のアクションを開始したと判断したときにトリガーされます。 ユーザーが行っていると推定されたアクションに応じて、micro:bit の LED ディスプレイにさまざまなアイコンが表示されます。 「on ML stop」ブロックは、ML モデルがアクション (この場合は歩く、ジャンプする、または静止する) を終了したと判断したときにトリガーされます。 各ブロック内のコードは画面をクリアし、 各アクションの合計時間を格納する変数に、終了した ばかりのアクションの継続時間を追加します 。 ML モデルはコードと連携して、各アクションに費やされた合計時間を表示できるようにします。 ボタン A を押すと、歩いた距離の推定値が表示されます。 ボタン B を押すと、モデルが推定したジャンプ時間を確認できます。 推定継続時間を確認するには、A と B を同時に押します。 タイマーはミリ秒 (1000 分の 1 秒) 単位でカウントするため、表示される数値を 1000 で割って時間を秒単位で示します。 AI アクティビティ タイマーを micro:bit で実行するには、このコードを micro:bit にダウンロードするだけです。 利用可能な別の micro:bit がない場合は、データ コレクション micro:bit に現在あるコードをプロジェクト コードに置き換えるだけです。 これで、プロジェクトを実際にテストできるようになりました。 運動中または運動していないときに正しいアイコンが表示されますか? タイマー コードがモデルで適切に動作しているかどうかを 3 つの簡単なステップでテストできます: リセット ボタンを押します。 30秒間ジャンプします。 次に、ボタン B を押します。ディスプレイ上に 30 という数字がスクロールするのが表示されます。 これで、CreateAI に接続し、 独自のデータを収集し、それを使用して機械学習モデルをトレーニング、テスト、改善する準備が整いました。その後、 このモデルを既製のコードと組み合わせて、独自のマイクロで試してみることができます。少し。 これをさらにカスタマイズする方法を探している場合は、ランニングやダンスのステップなどのさまざまなアクションを追加してみてください。 楽しむ！