RK-Jetbot 機器學習道路識別競賽」是由 Cavedu 機器人王國主辦、專為高中生設計的機器學習比賽,參賽學生透過搭載 NVIDIA Jetson Nano 開發板的 Jetbot 自走車套件,理解機器學習相關基礎知識,並動手進行資料蒐集、行車路線規劃、建立資料集、訓練神經網路模型等工作,最後將訓練好的模型在場地上執行,讓車子能夠完美的自動行駛。
來自台北市西松高中一年級的陳思妤同學在比賽中脫穎而出,奪下 2020 年 RK-Jetbot 機器學習道路識別競賽冠軍。對於程式語言特別感興趣的陳同學,利用國中升高中的暑假自學 C、C++、Python 等程式語言,也因為喜歡自己動手做的感覺,進入西松高中後,便加入由資訊科技概論科施柏豪老師與生活科技科陳進益老師共同帶領的課程,持續研習自走車與機器學習相關技能。
Jetbot 自走車可以分為程式與機構等兩大部分,前者為資料蒐集、訓練模型,並將結果部署至 NVIDIA Jetson Nano 進行機器學習推論;後者則為組裝車體、連接馬達模組,兩者共同在自走車扮演了關鍵角色,這樣的分工恰好也涵蓋了資訊科技與生活科技等兩門學科的領域專業。
陳思妤同學分享比賽當天六組參賽隊伍中,只有她為一人隊伍,其他學校的同學皆以三至五人的方式組成小隊,因此,在現場調整機器學習參數的過程便更具挑戰性。她總共花了約一個半小時拍下近 200 張車道的照片,並將照片輸入人工智慧 (AI) 模型進行兩輪訓練,同時搭配調整車輛馬達的力道,最終才克服車輛過彎不順的問題。
身為比賽帶隊指導老師的施柏豪表示:「108 年正式實施的『108 課綱』降低了高中生必修課程的時數,同時提高選修課程的時數,給予高中老師很大的空間準備不同性質的課程,讓高中教育更多元。不過,多元的學習需要老師投入大量心力,並輔以完整的軟硬體配套方案,才能得到理想的成果。這次的 RK-Jetbot 機器學習道路識別競賽,不僅提供現成的 NVIDIA 硬體套件與所需的 Python 程式,更搭配教學範例讓師生都能快速進入狀況,對我們來說,這確實是個很棒的學習平台與經驗。」
施柏豪老師進一步表示:「相對於目前主流的開發板或創客套件,NVIDIA Jetson Nano 本身就具備 AI 運算的能力,加上豐富的 GPIO 與多種擴充端子,具備連接攝影機、機械手臂、馬達等多種周邊硬體的能力,因此很適合應用在 AI 與機器學習領域的教學專案。雖然目前能在 GitHub 找到的開源專案較少,但隨著時間的累積,已經有越來越多的資源可以使用,因此可作為理想的教學平台。」
對於多數教育現場而言,充足的硬體與軟體套件教學包,將能降低老師準備課程的難度,並有助於將課程推廣至更多學校,讓更多學生有機會接觸 AI 與機器學習領域。另一方面,因為這類型的課程相當重視實作,NVIDIA 深度學習實作坊 (Deep Learning Institute; DLI) 提供完整的互動式實作課程,將能加深學生的自主學習成效。
目前仍就讀高中一年級的陳思妤同學表示:「培養興趣是很重要的課題,當遇到自己有興趣的事物,就會產生學習的動機、享受動手創作的樂趣。我希望藉由這次的機會鼓勵所有的同學,勇於嘗試各種不同領域的學科,並且不要在一開始遇到挫折就放棄,如此一來將有更多機會挖掘自己的興趣所在,只要持續深耕,將會有所收獲。」
對於程式語言、機器學習等領域十分有熱忱的陳思妤同學,接下來也將陸續參加由科技部舉辦的「2021 GiCS (Girls in CyberSecurity) 第 1 屆尋找資安女婕思」以及國際奧林匹克機器人大賽 (World Robot Olympiad; WRO),展現積極的學習態度與女性科技的力量。最後,陳思妤同學更進一步分享期望未來能將自己的觸角延伸,深入了解並學習有趣的 AI 各領域應用與發展。