神经网络机器人实验室方案

近年来，随着人工智能技术的兴起，已经逐渐成为推动传统领域进行技术变革的源动力，国家亦大力推动国内人工智能技术在产学研全面发展，其中神经网络深度学习技术更是目前人工智能领域中突出的前沿技术。为了协助用户顺利从传统机器人实验室向新一代人工智能机器人实验室的转型，北京六部工坊推出了具有机器人特色的人工智能实验室方案。与泛化的人工智能实验室不同，此方案从众多人工智能技术中甄选出适合与机器人相结合的分支方向，将神经网络技术应用与机器人的作业场景相匹配，形成一系列具备实际操作性又能突出新一代人工智能优势特点的实验课程。让学生在实验过程中能够掌握神经网络深度学习技术的原理和应用特性，为迎接这一革命性技术的大面积应用做好准备。

该方案从深度学习中应用广泛的卷积神经网络开始入手，实验内容让每个学生能够亲自完成图片采集、数据标定、自定义数据集的组织、网络模型训练以及最后的模型部署应用，总共12个实验课程。力求让学生经过实验学习后，能够对卷积神经网络的特性有所了解，同时具备自己构建一个卷积神经网络的能力。此课程体系还具备良好的开放性，未来还将扩充语音识别、人脸识别、强化学习及对抗神经网络的相关课程和实验。

该方案硬件设备主要是一台高性能的GPU计算工作站和数台 “启智AI”机器人。授课过程中，数据的采集标定实验在“启智AI”机器人上进行，制作成数据集后上传到GPU计算工作站进行神经网络模型训练。训练后的模型再回传至“启智AI”机器人上运行，对标定物品进行识别抓取。学生通过这样一个全流程的实验，可以对神经网络的技术形式有个完整了解。

• 实验室的空间布局分为教学区、数据训练区、数据采集和应用区

• 教学区是进行日常授课的教学空间。

• 数据训练区是学生进行数据提交和训练的区域，该区域会放置GPU计算工作站，学生可以在工作台桌面上完成数据集的标注、整理、提交以及训练操作。

  

• 数据采集和应用区是一个模拟物流仓储的环境，区域内设置了多排货架，需要标识的物品放置在货架上。在数据采集实验中，学生操作机器人在此区域内进行物品的图片采集。在最后的综合实验里，装载了卷积神经网络的机器人在此区域自主完成物品的抓取运送一系列任务，用智能仓储的案例来体验卷积神经网络的应用效果。

  

• 实验设备的配置

• 实验过程中需要数台启智AI同时进行图像采集和标注，并提交给GPU计算工作站。

  

• GPU计算工作站将获取的标注图像组织成数据集，以此对卷积神经网络进行训练。

  

• GPU计算工作站将训练好的神经网络模型分发给每台启智AI进行部署，运行了新模型的启智AI获得物品识别和抓取的能力。

  

• 配套教材

神经网络深度学习技术作为一门相对前沿的技术，市面上能够获得的参考资料较少，针对这点，我们格外注意配套资源的完整性和学习曲线梯度。此方案将会提供包含详细步骤说明的实验指导书，授课使用的PPT课件，以及参考数据集和训练好的参考网络模型。

• 培训与交流

除了提供实验教材和源代码，我们还会定期举办师资培训和交流研讨活动，确保用户老师能够尽快消化掌握这套方案体系，将教学效果充分发挥出来。用户老师们通过交流和研讨了解人工智能的研究成果和产业形势，在教学过程中可以对学生进行就业和学术深造提供方向指导，将前沿技术和教学实际紧密结合，打造高效务实的新一代人工智能工科专业和院系。