|
智能創新AI教育機器人
（一）人工智能模塊
1. 模塊功能： Python程序設計、機器學習、深度學習、數字圖像處理、計算機視覺、語音識別、智能機械臂、機器人設計、嵌入式系統及應用、物聯網等課程的教學與實踐；輔助教學，學生可以自主設計智能機器人應用場景，進行學習評估。
2. 大模型：融合大語言模型(LLM)以及光強檢測傳感器、溫濕度傳感器、心率血氧傳感器和空氣質量傳感器，重塑智能家居的應用場景，使機器人能夠像人一樣進行思考與判斷；
3. 模塊硬件：至少1塊計算卡，至少2塊STM32主控芯片核心模塊，至少12個傳感器，至少2個攝像頭，至少1個陣列麥克風，至少1臺多自由度機械臂，至少1個傳送帶，至少2個WiFi藍牙模塊，至少2塊顯示屏，至少1個電源適配器，至少1套無線鍵鼠 ，至少1套模型道具；
4. 傳感器：不少于12個，至少1個光強檢測傳感器，至少1個紅外探障傳感器，至少1個激光測距傳感器，至少1個溫濕度傳感器，至少1個心率血氧傳感器，至少1個空氣質量傳感器，至少1個電磁感應傳感器，至少1個慣性檢測傳感器，至少1個滑動電位器，至少1個毫米波傳感器，至少1個音量檢測傳感器，至少1個速度測量傳感器；
5. 深度攝像頭：至少1個深度相機，深度圖分辨率≥640*300@30fps，彩色圖分辨率≥1920*1080@30fps，深度范圍≥100cm；
6. RGB攝像機：至少1個≥30萬像素的RGB攝像機，分辨率≥640*480，MJPG30幀，YUY230幀；
7. 陣列麥克風：至少4個麥克風列陣，場語音捕獲范圍≥5m，支持USB2.0，具有降噪、去混響、語音活動檢測、聲源定位、波束成型、回聲消除等功能；
8. 多自由度機械臂：不少于5自由度舵機驅動機械臂，支持UART通信；
9. 課程：理論+實踐課≥72課時，包括課程大綱、教學手冊、實驗代碼、理論課視頻和實踐課視頻等；可參加全國高校計算機能力挑戰賽人工智能專項賽。
（二）服務機器人模塊
模塊能夠實現機器人室內建圖、定位導航、路徑規劃、仿真演示、道路指引、機器人語音交互、機器人大模型、人臉/人物檢測、機器人智能安控、機器人巡檢與餐飲服務。支持C++/Python語言編程，基于百度飛槳（PaddlePaddle)Al框架和OpenCV圖像處理技術，實現在線Al模型訓練、道路識別以及機器人控制等功能。在此模塊上可對教師進行機器人技術培訓，自主構建智能機器人模型用于教學和學生實訓。學生可學習機器人運動控制編程，模型算法的調優。
1. 支持室內建圖、定位導航、路徑規劃、仿真演示、道路指引、語音交互、人臉/人物檢測、智能安控、垃圾巡檢與餐飲服務等功能；
2. 支持通過激光雷達和機器人里程計感知環境狀態，自動生成二維或三維的環境地圖；
3. 支持根據里程計、激光雷達等傳感器和SLAM全局地圖等數據，經過定位導航算法融合，計算出安全可靠的機器人運動控制指令；
4. 支持通過算法規劃路徑，使機器人避免與障礙物發生碰撞的同時找出最優的行進路線；
5. 支持在圖形監控環境中通過三維視圖觀測機器人運動過程；
6. 支持在室內構建地圖，語音交互后機器人帶領顧客到達指定點；
7. 支持語音交互：基于語音識別、語音合成、自然語言理解等技術，為多種應用場景下，使機器人可以進行人機交互；
8. 支持人臉/人物檢測：基于深度學習，準確檢測圖片和視頻中的人臉/人物信息；
9. 支持智能安控：實現生物入侵檢測、安全監督等功能；
10. 支持巡檢：提取目標物體角度、位置信息，使用機器人完成實時檢測場景垃圾數量，并語音播報實現垃圾檢測工作；
11. 支持大模型：融合大語言模型(LLM)與多模態大語言模型(MLLM)，使機器能夠像人一樣思考；
12. 不少于1塊邊緣計算卡，不少于1塊驅動控制器，不少于1個攝像頭，不少于1個激光雷達，不少于4個超聲波傳感器，不少于1個陀螺儀，不少于4個編碼器，不少于1個電量計，不少于1套機械臂，不少于1套無線鍵盤鼠標，不少于1個遙控器，不少于1塊電池，不少于1個顯示屏，不少于1個電源充電器；
13. 服務機器人課程理論+實踐不少于48課時，機械臂課程理論+實踐不少于36課時，應包含課程大綱、課程講義、實訓手冊、課件、教案、實踐代碼、視頻文件以及考核資料包等；
14. 應支持AI教學實訓、AI科普、展覽展示、科研平臺場景、大學生賽事等場景。可參加中國大學生機器人及人工智能大賽智能餐飲服務賽項。
（三）智能無人駕駛模塊
智能無人駕駛模塊完成人工智能、無人駕駛、圖像處理與運控控制等相關課程的學習，理論+實踐共48課時。支持C++/Python語言編程，基于百度飛槳（PaddlePaddle）AI框架和OpenCV圖像處理技術，實現在線AI模型訓練、移動端部署、賽道識別與交通標志檢測，車輛控制以及巡線導航等功能。學生在此模塊中可以學習機器人，車輛的運動控制編程、模型算法的學習及調優。
1. 模塊功能：實現圖像識別，圖像處理，車輛控制以及自動駕駛等功能；
2. 圖像處理：攝像頭校正，車道線識別，賽道元素識別、賽道測量；
3. 路徑規劃：基于貝塞爾（Bezier）曲線的加權軌跡規劃；
4. 運動控制：閉環PID速度控制和PD姿態控制；
5. 目標檢測：基于Yolo-v3的多目標實時檢測（FPS<60ms，Map>90%）；
6. 多線程任務：圖像采集與賽道識別周期≤30ms；AI目標檢測周期≤34ms；
7. 車檢助手：車輛自檢，車輛配置（舵機），車輛狀態監控（電量/速度/姿態等）；
8. 課程：課程理論+實踐≥48課時，含課程大綱，課程講義，實訓手冊，課件，教案，實踐代碼，視頻文件以及考核資料包；
9. 軟件：軟件含車輛配置軟件（Windows版），AI系統鏡像（Linux系統Ubuntu18.04，Python3.6），AI算法包（Yolo-v3），底層支持庫(OpenCV，Joystick，Serial，Pthread，Paddle等)；（含無人自動駕駛套裝1套），可參加全國大學生智能汽車競賽完全模型組賽項。
（四）機器視覺深度學習模塊
1. 模塊功能：可實現圖像采集、尺寸測量、讀碼、識別、檢測等功能和圖像分割、實例分割、目標檢測、字符識別、圖像分類、OCR、讀碼等深度學習功能；
2. 硬件含內置獨立顯卡視覺控制器至少1臺，視覺光源至少1個，工業相機至少1個，視覺鏡頭至少1個，鍵盤鼠標至少1套，電源適配器至少1套，接口板至少1塊，24寸顯示器至少1個，USB無線網卡至少1個，手動機械臂至少1套，加密狗至少1個；
3. 視覺控制器： Intel? Core? i3-8100，內存≥8GB，硬盤≥128GSSD，英特爾核芯顯卡630；
獨立顯卡：GT 1030獨立顯卡；
4.視覺光源：≥1個視覺光源，白色光源，照亮角度：≥70°，可調亮度；
5.工業相機：≥1個至少1200萬像素網口面陣相機，IMX226，彩色，分辨率≥4024×3036，最大幀頻≥9.6fps；
6.視覺鏡頭：≥1個C接口鏡頭，焦距≥12mm，光圈范圍F2.8-F16，畸變-0.005%；
7.課程包含至少24課時，含課程指南，學習指導書，實訓手冊，教學課件，示例資料庫以及考核資料包；
8.含應用軟件（Windows版），深度學習包，示例程序包等。可參加中國大學生計算機設計大賽智能工業視覺賽項。
（五）智能機器人機械臂模塊
模塊用于智能機器人運動控制及硬件調用編程，包括機械臂底座、控制器、6 自由度關節和連桿結構、機械爪、攝像頭等核心部件。
1. 控制器功能:
控制：路徑規劃、軌跡規劃、運動控制、重力補償、示教；自檢：各自由度轉向測試；標定：垂直零度角標定后自校正；配置：支持UART接口對關節電機的配置，配置上位機使用。
2. 機器爪（夾具）：夾具通過無刷伺服電機驅動，同時兼容攝像頭拍攝。
（六）多機器人編程算法模塊
多機器人編程算法模塊結合智慧物流行業前沿應用，依托軟硬件實訓平臺、模擬倉儲場景，講解多機協同、群體智能等算法的原理與實踐應用，通過實訓過程帶領學生掌握物流系統開發技術。課程提供完善的課程資料，包括課程指南，學習指導書，實訓手冊，教學課件，示例資料庫以及考核資料包，便于授課學習。具有機器人任務分配、調度系統、路徑規劃、過程監控、環境感知、系統無線通信、場地路徑識別、自動避障、貨架搬運、狀態指示等功能；
1. 待機工作時間：≥8h；
2. 滿荷工作時間：≥4h；
3. 溫度監測效率：0~135℃（±0.5℃）；
4. RFID刷卡效率：范圍<4×4cm/距離<5cm；
5. 網絡條件：2.4G/5G WiFi局域網絡；
6. 紅外傳感器：≥8個紅外傳感器，采用高發射功率紅外光電二極管和高靈敏度光電晶體管組成，檢測距離范圍為≥13mm；
7. 手勢傳感器：≥1個TOF手勢傳感器，主要用于測距；
8. 慣性傳感器：≥1個IMU6軸慣性傳感器，三軸加速度計和三軸陀螺儀；
9. 溫度傳感器：≥1個溫度傳感器，溫度精度為±2 ℃；
10. 課程包含至少14章節理論+10章節實踐至少64課時，含課程指南，學習指導書，實訓手冊，教學課件，示例資料庫以及考核資料包；
11. 軟件含多機器人編程算法軟件（Windows版），驅動包（CH340串口驅動），算法包（廣度優先搜索算法、深度優先搜索算法、A*搜素算法、遺傳算法、粒子群算法、蟻群算法等），底層支持庫（數據庫、python）。
|
