micro:bit AI storytelling friend

Om jouw AI-verhaalvriend te maken, train je een machine learning-

of ML-model om te herkennen wanneer speelgoed op verschillende manieren beweegt.

Vervolgens combineer je dit model met code om verschillende geluiden te maken en verschillende

pictogrammen weer te geven op het LED-display van de micro:bit.

Vervolgens download je het model en de code naar een micro:bit en gebruik je deze op je speelgoed om een ​​verhaal te vertellen.

Ons verhaal gaat over een beer genaamd Lucy, maar je kunt het project aanpassen aan je eigen wensen.

Dit is Lucy de beer.

Ze wil turnster worden als ze groot is, dus elke dag als ze wakker wordt, oefent ze haar sprongen.

Ze springt zo hoog als het plafond. Na het ontbijt oefent ze haar koprollen.

Ze rolt rond en rond totdat haar hele wereld draait.

Daarna neemt ze een pauze en doet een dutje.

Om te beginnen met het maken van jouw AI-verhaalvriend, klik je op 'Openen in micro:bit CreateAI' om het project te starten.

Dit project wordt geleverd met 8 samples van bewegingsgegevens voor drie verschillende acties:

springen, koprollen en slapen.

micro:bit CreateAI verzamelt bewegings-data samples met behulp van de accelerometer, de bewegingssensor van de micro:bit.

Om jouw eigen data samples toe te voegen, moet je een micro:bit-gegevensverzameling maken.

Als Bluetooth op jouw computer is ingeschakeld, heb je slechts 1 micro:bit en een USB-datakabel nodig.

Als je geen Bluetooth-verbinding hebt, heb je 2 micro:bits nodig.

Volg de instructies op het scherm om verbinding te maken.

Zodra jouw micro:bit voor gegevensverzameling is aangesloten, bevestig je deze op deze manier aan je speelgoed.

Je ziet de lijnen in de livegrafiek veranderen terwijl je je speelgoed beweegt. Omdat dit project al heel wat

data samples bevat, raden we je aan om voorlopig voor elke actie 1 sample toe te voegen en later meer gegevens te verzamelen.

Klik op de actie 'springen' zodat je er meer data samples aan kunt toevoegen.

Er wordt afgeteld voordat een opname van 1 seconde begint.

Klik op opnemen en begin onmiddellijk met het verplaatsen van je speelgoed om er zeker van te zijn dat je een nette data sample krijgt.

Een nette sample is een sample waarbij je tijdens het hele sample beweegt,

je begint niet te laat en eindigt niet te vroeg met bewegen. Probeer vervolgens een extra data sample toe te voegen aan de

'koprollende' en 'slapende' acties.

Je zult merken dat wanneer je speeltje slaapt, de x-, y- en z-lijnen van plaats veranderen, afhankelijk van de richting van de micro:bit.

Klik op 'Train model' om het ML-model te bouwen. De tool bouwt nu een wiskundig

model dat verschillende acties zou moeten herkennen wanneer je je micro:bit verplaatst.

Zodra het model is getraind, zie je de pagina Model testen.

Je micro:bit voor gegevensverzameling kan nu worden gebruikt om te testen hoe goed het model werkt.

Het zou nog steeds verbonden moeten zijn met de tool, en je zult zien dat CreateAI, terwijl je het verplaatst,

inschat welke actie je uitvoert.

Beweeg je speeltje op verschillende manieren om de geschatte actie en de zekerheidsbalkgrafiek te zien veranderen.

Het percentage laat zien hoe zeker het model is dat je een bepaalde actie uitvoert.

Mogelijk merk je dat jouw model sommige acties niet nauwkeurig schat.

In dat geval is het een goed idee om op 'Data samples bewerken' te klikken en je model te verbeteren.

Machine learning-modellen werken meestal het beste met meer gegevens, dus neem wat extra samples op voor elk

van de acties, of concentreer je op het verzamelen van meer gegevens voor de actie die problematisch was bij het testen.

Nette data samples zorgen er ook voor dat een ML-model beter werkt, dus onderzoek je dataset en

identificeer eventuele voorbeelden die het model in verwarring kunnen brengen. Deze kun je verwijderen door op X te drukken.

Nadat je meer gegevens hebt toegevoegd en je dataset hebt gecontroleerd, klik je nogmaals op 'Train model'. Test

het model vervolgens opnieuw op de pagina 'Model testen'.

Als je tevreden bent met hoe het ML-model zich gedraagt, kun je het gebruiken met de kant-en-klare projectcode.

Klik op 'Bewerken in MakeCode' om de codeblokken in een speciale versie van Microsoft MakeCode te bekijken.

Je kunt op elk gewenst moment terugkeren om je gegevens in CreateAI te bekijken

via de pijl linksboven in het scherm. Deze blokken gebruiken het model dat je in code hebt gemaakt.

De 'wanneer ML... start'-blokken reageren wanneer het ML-model besluit dat jouw

speelgoed een bepaalde beweging of actie uitvoert. Afhankelijk van de actie toont de code verschillende

pictogrammen op het LED-scherm van de micro:bit en worden er verschillende geluiden afgespeeld op de luidspreker.

Als het niet zeker is welke actie je speelgoed uitvoert (als de actie 'onbekend' is), wordt het scherm leeggemaakt.

En wanneer elke actie stopt, zorgt de code ervoor dat de micro:bit geen geluid meer maakt.

Om de code en het ML-model op jouw micro:bit te laten draaien,

hoef je deze alleen maar naar een micro:bit te downloaden.

Druk op 'Download' en volg de instructies op het scherm.

Test nu het voltooide project op een micro:bit die aan je speeltje is bevestigd.

Spelen de juiste geluiden en verschijnen er pictogrammen wanneer jouw speelgoed verschillende bewegingen maakt?

Werkt het net zo goed als iemand anders het speelgoed beweegt?

Als dat niet het geval is, kun je teruggaan en meer gegevens verzamelen en het model opnieuw trainen.

Gefeliciteerd, je hebt je speelgoed getraind om op verschillende soorten bewegingen te reageren

met behulp van de gegevens die je hebt verzameld, een AI-model voor machine learning getraind en dit met

code gecombineerd om een ​​interactief speelgoed voor het vertellen van verhalen te maken! Welke andere acties of bewegingen kan je speelgoed

maken, misschien als onderdeel van het vertellen van een verhaal? Kun je ze toevoegen met behulp van micro:bit en CreateAI?