本帖最后由 草莓干 于 2021-11-18 17:16 编辑
《智能机器人设计实践》课程是清华大学电子系与乐聚机器人合作共建的一门专业限选课。该课程主要面向电子系大三和大四学生，以乐聚Aelos机器人作为载体，学习机器人结构原理、图像识别算法、路径规划与决策、AI芯片与智能硬件系统等内容，通过理论课与实验课结合的形式开展，兼具实际的应用价值与趣味性。
【课程名称】 智能机器人设计实践
【授课对象】 清华大学电子系大三和大四学生
【学习载体】 Aelos机器人
【课时安排】 理论课-10学时；实验课-24学时；课外调试-64至80学时
【授课目标】 以智能机器人作为载体，综合运用之前所学的电路设计、软件编程、数据算法、信号与系统、图像处理等多门课程的内容，考察学生对所学知识的综合运用能力、实践能力以及团队合作能力。
【课程安排】 理论课：向学生介绍对应的应用背景及所需知识，涉及机器人的基本知识，图像识别算法，路径规划与决策，AI芯片与智能硬件系统等四部分； 实验课：学生以3至4人的小组为单位进行协同工作，在运用所学知识解决实际问题中体会电子系统的设计过程以及软硬件协同工作的理念，为之后的学习和科研打下良好的基础。
实验①-机器人的障碍竞速跑，主要目标是让同学们初步熟悉机器人的动作设计流程； 实验②-物体搬运，让同学们在了解动作设计的基础上设计更加精密的动作以解决实际问题，同时为后续实验做准备；
实验③-机器人识别并搬运正确物体，即在第二次实验的基础上加入了图像处理的内容； 实验④-机器人穿越一个地雷阵，算法的要求进一步提升，同时涉及到了路径规划与决策的内容； 实验⑤-在FPGA上完成物体识别的算法，旨在让同学们体会到软硬件协同设计的过程，以及软件和硬件设计的不同之处； 最终考核-要求机器人完成一段较为复杂的赛道并计时，考察同学们对之前几次实验的掌握程度，以及设计复杂系统的能力。
【课程实录】
【学习主题】机器人系统初识与动作设计 【学习内容】智能系统与其组成部分、机器人动作的调试方法 【学习感受】本节课我们领取了课程专用的机器人，通过老师的讲解，初步学习了机器人结构原理、操作和拓展，并且着手进行了机器人快走动作的简单调试。在调试过程中，我们发现，改装后的机器人稳定度受到主板体积、环境等因素的影响，行进速度也可能因此受限。
记录1
【学习主题】机器人动作组设计 【学习内容】调节机器人行走动作，尽可能快地通过给定赛道 【学习感受】针对机器人走路不稳的问题，我们不断调整、完善操作，最后通过调节部分舵机的零点，提高了机器人行走的稳定度，进一步熟悉了机器人的动作设计流程。我们同时发现，在不同的电量下，机器人执行相同动作的结果是不同的，这点在机器人动作调试操作中需要注意。
【学习主题】机器人图像识别简介 【学习内容】图像编码及处理方法基础 【学习感受】本节课我们学习了基于Pillow-python的一系列图像处理方法、U96的架构和内部系统PYNQ。通过对PYNQ的深入学习了解，我们理解了改装机器人主板的必要性。
【学习主题】机器人障碍识别 【学习内容】完成机器人行进过程中避障的任务 【学习感受】为了让机器人成功识别障碍物，我们往机器人的主板U96里烧入了PYNQ系统，这是一个基于ipython的Linux衍生系统，可以在Jupyter notebook环境中调用系统的各种资源。
【学习主题】无线定位技术 【学习内容】定位原理（TOA、RT-TOA、TDOA）以及其相应优缺点 【学习感受】在机器人硬件调试过程中，我们发现了一些问题并进行了观察和思考，锻炼了自己的实践能力。面对功耗较大、放电速度大于充电速度、电池续航较小等问题，我们认为可以设计可拆卸电池；面对实验过程中U96突然烧坏的情况，我们根据其与摄像头连接处凝胶融化，怀疑是U96连接摄像头的排插短路。
【学习主题】机器人障碍识别 【学习内容】完成机器人行进过程中避障的任务 【学习感受】在本次机器人的障碍识别任务中，我们基于实验原理积极探讨更高效的操作方法，最终使用在障碍及对手机器人上贴红纸的方法，降低了识别难度，从而简化并成功完成任务。
【学习主题】路径规划 【学习内容】路径规划的基础知识及常用方法 【学习感受】本节课我们学习了Path planning的基础理论、路径规划的基本原理和操作方法，为后期实验的正确操作和顺利进行打下理论基础。本周仍在继续进行机器人行走避障的任务调试。
【学习主题】机器人图像识别 【学习内容】完成机器人行进过程中避障的任务及图像识别任务 【学习感受】本周大部分的小组还在继续完成行走避障任务，小部分已经完成任务的小组开始摸索如何在机器人中部署神经网络，并尝试以此使机器人成功识别出图像。
【学习主题】AI芯片 【学习内容】AI芯片的历史沿革以及硬件加速简述 【学习感受】我们从这节课上系统地学习了AI芯片的发展历史，并动手操作在U96上部署神经网络进行图像六分类的实验。由于Vivado工具的使用比较复杂，因此这次实验对我们来说，具有一定的挑战难度。但是，我们在解决实验困难的过程中，通过对知识的运用和操作的熟练，巩固了之前所学的CNN和python的理论基础、加深了对实验意义的理解。
【学习主题】机器人FPGA图像识别 【学习内容】进行FPGA图像识别实验 【学习感受】本周多数小组完成了基于FPGA的图像识别实验。但在实验过程中，由于数据集和网络都相对较小，很多同学的训练结果鲁棒性不太理想。最后，在老师的指导下，我们进一步完善软硬件协同设计，通过设置特定参数，使机器人准确完成了FPGA图像识别任务。
| 
