AI 활동 타이머를 만들려면
다양한 움직임이나 활동을 수행할 때 이를 인식하도록 기계 학습(ML) 모델을 훈련해야 합니다.
그런 다음 해당 모델을 활동 타이머용으로 미리 만들어진 코드와 결합한
후 micro:bit에 다운로드하여 실제 생활에서 사용하게 됩니다.
프로젝트를 시작하려면 'micro:bit CreateAI에서 열기'를 클릭하세요.
이 프로젝트에는 걷기에 대한 6개의 움직임 데이터 샘플, 위로 점프하기 위한
6개의 움직임 데이터 샘플, 그리고 가만히 있기 위한 6개의 움직임 데이터 샘플이 포함되어 있습니다
. 자신의 움직임 데이터를 기록하여 더 많은 샘플을 추가하게 됩니다.
micro:bit CreateAI는 micro:bit의 가속도계 또는 움직임 센서를 사용하여 움직임 데이터 샘플을 수집합니다.
손목이나 발목에 마이크로비트와 배터리 팩을 착용하여
자유롭게 움직여 자신의 움직임 데이터 샘플을 기록할 수 있습니다.
시작하려면 발목에 착용한 micro:bit를 CreateAI에 연결하세요.
우리는 이것을 데이터 수집 micro:bit라고 부릅니다.
컴퓨터에 Bluetooth가 활성화되어 있으면 배터리 팩과 USB 데이터 리드가 포함된 마이크로비트 1개만 있으면 됩니다.
Bluetooth에 연결되어 있지 않으면 2개의 micro:bit를 사용하라는 메시지가 표시됩니다.
두 번째 micro:bit는 USB 케이블에 연결된 상태로 유지되며
데이터 수집 micro:bit에 대한 무선 링크 역할을 합니다. 화면의 지시에 따라 연결하세요.
micro:bit가 연결되면 micro:bit를 움직일 때 실시간 그래프의 선이 변경되는 것을 볼 수 있습니다.
이제 자신만의 움직임 데이터 샘플을 추가할 준비가 되었습니다.
이 프로젝트에는 이미 일부 데이터 샘플이 포함되어 있으므로
지금은 각 작업에 대해 샘플을 1개 더 추가하고 나중에 데이터를 수집하고 분석하는 데 더 많은 시간을 할애하는 것이 좋습니다.
데이터 수집 micro:bit가 버튼 B가 맨 위에 있는 발목 안쪽에 부착되어 있는지 확인하세요.
특정 작업에 데이터를 추가하려면 해당 작업을 클릭하여 선택하세요.
1초 녹음이 시작되기 전에 3초 카운트다운이 시작됩니다.
기록을 클릭하고 즉시 이동을 시작하여 깨끗한 데이터 샘플을 얻으세요.
깨끗한 샘플은 전체 샘플을 이동하는 샘플이며,
늦게 시작하거나 일찍 이동을 끝내지 않습니다.
다음으로 '점프' 데이터 세트와 '정지' 데이터 세트에 추가 데이터 샘플을 추가해 보세요.
작업을 클릭하여 선택한 다음 녹음을 클릭하고 샘플을 녹음하는 동안 점프하거나 가만히 있으십시오.
'정지' 샘플에서는 연결된 micro:bit의 각도에 따라 x,y,z 선의 위치가 바뀌는 것을 확인할 수 있습니다.
지금은 데이터가 많지 않지만 CreateAI를 사용하여 자체 기계 학습 모델을 훈련시키기에는 충분합니다.
따라서 현재 데이터를 사용하여 ML 모델을 구축하려면 '모델 학습'을 클릭하세요.
이제 이 도구는 micro:bit를 움직일 때 다양한 동작을 인식하는 수학적 모델을 구축합니다.
모델이 훈련되면 모델 테스트 페이지가 표시됩니다.
이제 데이터 수집 micro:bit를 사용하여 모델이 얼마나 잘 작동하는지 테스트하세요.
여전히 도구에 연결되어 있어야 하며, 이동하면 CreateAI가 수행 중인 작업을 추정하는 것을 볼 수 있습니다.
각 작업을 시도하여 예상 작업과 확실성 막대 그래프의 변화를 모두 확인하세요.
확실성 막대 그래프의 %는 사용자가 각 작업을 수행하고 있다고 모델이 얼마나 확신하는지 보여줍니다.
모델이 일부 작업을 정확하게 예측하지 못하거나
한 작업에서는 잘 작동하지만 다른 작업에서는 제대로 작동하지 않을 수 있으므로 현재 작동 방식을 살펴본 후
'데이터 샘플 편집'을 클릭하여 개선하는 것이 좋습니다. 당신의 모델.
기계 학습 모델은 일반적으로 더 많은 데이터에서 가장 잘 작동하므로 각 작업에 대해 추가 샘플을 기록하거나
테스트에서 문제가 된 작업에 대해 더 많은 데이터를 수집하는 데 집중하세요.
한 번에 하나의 샘플을 녹음하거나 연속적으로 10개의 샘플을 녹음할 수 있습니다.
깨끗한 데이터 샘플은 ML 모델이 더 잘 작동하는 데 도움이 되므로 데이터 세트를 검사하고 모델을 혼동할 수 있는 데이터 샘플을 식별하세요.
X를 눌러 삭제할 수 있습니다.
더 많은 데이터를 추가하고 데이터 세트를 확인한 후 '모델 학습'을 다시 클릭하여 수정된 데이터 세트를 사용하세요.
그런 다음 '모델 테스트' 페이지에서 모델을 다시 테스트하세요.
ML 모델의 작동 방식이 만족스러우면 미리 만들어진 프로젝트 코드와 함께 사용할 수 있습니다.
Microsoft MakeCode 특별 버전의 코드 블록을 보려면 'MakeCode에서 편집'을 클릭하세요.
화면 왼쪽 상단에 있는 화살표를 사용하면 언제든지 CreateAI로 돌아갈 수 있습니다.
이러한 코드 블록은 운동 타이머 내에서 생성한 모델을 사용합니다.
코드는 3개의 변수를 사용하여 각 작업을 수행한 시간을 추적합니다.
프로그램이 처음 실행되면 이러한 타이머 변수를 0으로 설정합니다.
ML 모델이 특정 작업을 시작했다고 결정하면 'ML 시작 시' 블록이 트리거됩니다.
micro:bit의 LED 디스플레이에는 사용자가 수행 중인 것으로 추정되는 작업에 따라 다른 아이콘이 표시됩니다.
ML 모델이 사용자가 작업(이 경우 걷기, 점프 또는 정지)을 완료했다고 판단하면 'ML 중지 시' 블록이 트리거됩니다.
각 블록 내부의 코드는 화면을 지우고 방금 완료된 작업의 지속 시간을
각 작업의 총 시간을 저장하는 변수에 추가합니다.
ML 모델은 코드와 함께 작동하여 각 작업에 소요된 총 시간을 볼 수 있습니다.
버튼 A를 누르면 예상 걷는 시간을 볼 수 있습니다.
버튼 B를 누르면 모델이 예상한 점프 시간을 확인할 수 있습니다.
예상 지속 시간을 보려면 A와 B를 함께 누르세요.
타이머는 밀리초(1/1000초) 단위로 계산되므로 표시된 숫자를 1000으로 나누어 시간을 초 단위로 표시합니다.
AI 활동 타이머를 micro:bit에서 실행하려면 이 코드를 micro:bit에 다운로드하기만 하면 됩니다.
사용 가능한 다른 micro:bit가 없으면 현재 데이터 컬렉션 micro:bit에 있는 코드를 프로젝트 코드로 바꾸세요.
이제 실제 생활에서 프로젝트를 테스트해 볼 수 있습니다.
운동할 때 올바른 아이콘이 표시되나요?
타이머 코드가 모델과 잘 작동하는지 간단한 3단계로 테스트할 수 있습니다.
재설정 버튼을 누르세요. 30초 동안 점프하세요.
그런 다음 버튼 B를 누릅니다. 디스플레이에 숫자 30이 스크롤되는 것을 볼 수 있습니다.
이제 CreateAI에 연결하고,
자신의 데이터를 수집하고, 이를 사용하여 기계 학습 모델을 교육, 테스트 및 개선할 수 있습니다. 그런 다음
이 모델을 미리 만들어진 코드와 결합하여 자신의 마이크로에서 시험해 볼 수 있습니다. 조금.
이를 더욱 개인화할 수 있는 방법을 찾고 있다면 달리기나 댄스 스텝과 같은 다른 동작을 추가해 보세요.
즐기다!