Intensiivse õppimise STEM lähenemine

Inseneride hariduse valdkonnas on palju suurepäraseid kursusi, kuid hariduse programm, mis nende põhjal on üles ehitatud, omab sageli ühte tõsist puudust — seoste puudumist erinevate teemade vahel. Kuidas see saab olla, võiks selle üle vaielda?

Kursuste programmide koostamisel määratakse iga kursuse jaoks eeltingimused ja selge järjekord, milles õppeaineid tuleb õppida. Näiteks, et koguda ja programmeerida primitiivne mobiilrobot, on vaja tunda veidi mehhaanikat, et luua selle füüsiline konstruktsioon; elektriseaduste aluseid Ohmi/Kirchhoffi seaduste tasemel, digitaalsete ja analoogsignaalide käsitlemist; vektori ja maatriksi operatsioone, et kirjeldada robotite koordinaatsüsteeme ja liikumisi; programmeerimise aluseid andmete esitamisel, lihtsate algoritmide ja juhtimist konstruktsioonide osas jne, et kirjeldada käitumist.

Kas kõike seda leidub ülikooli kursustes? Muidugi on. Ent Ohmi/Kirchhoffi seadustega saame termodünaamika ja väljade teooria; maatriksite ja vektoritega opereerimise kõrval tuleb selgeks teha Jordan'i vormid; programmeerimises tuleb uurida polümorfismi — teemad, mis ei ole alati vajalikud lihtse praktilise probleemi lahendamiseks.

Ülikooliharidus on ulatuslik — õppija läheb laia rindega ning sageli ei näe ta mõtet ja praktilist tähtsust teadmistest, mida ta omandab. Otsustasime muuta STEM (teaduse, tehnoloogia, inseneritehnika, matemaatika) ülikoolihariduse paradigma ja luua programmi, mis toetub teadmiste seotusele, võimaldades muudatuste tulevikus, st eeldab aine intensiivset omandamist.

Uue teema õppimist võib võrrelda mingi ala avastamisega. Siin on kaks võimalust: kas meil on väga detailne kaart, kus on palju detaile, mida tuleb uurida (ja see võtab aega), et mõista, kus asuvad peamised orientiirid ja kuidas need üksteisega seostuvad; või võime kasutada lihtsat plaani, millel on tähistatud vaid peamised punktid ja nende omavaheline asetus — selline kaart on piisav, et kohe õigesse suunda liikuda ning üksikasju selgitada liikumise käigus.

STS intensiivõppe lähenemist testisime talvekoolis, mille korraldasime koos MIT üliõpilastega toetusel JetBrains Research.

Materjalide ettevalmistamine

Kooli programmi esimene osa hõlmas nädalat, kus käsitleti põhisuundi, nagu algebra, elektriahelad, arvuti arhitektuur, Pythonis programmeerimine ja ROS (Robot Operating System) tutvustus.

Suunad ei olnud juhuslikud: need pidi üksteist täiendama, et aidata õpilastel näha seoseid näiliselt erinevate asjade — matemaatika, elektroonika ja programmeerimise — vahel.

Muidugi oli peamine eesmärk mitte lugeda palju loenguid, vaid anda õpilastele võimalus rakendada just saamata teadmisi praktikas.

Algebra osas said õpilased harjutada maatriksite operatsioone ja võrrandisüsteemide lahendamist, mis olid kasulikud elektriahelate õppimisel. Kui nad õppisid transistoride ja selle põhjal ehitatud loogikakomponentide toimimist, said nad näha nende rakendust protsessori seadmetes, ning peale Python keele põhialuste õppimist kirjutada reaalse roboti programm.

Duckietown

Ühe kooli ülesanne oli vältida simulaatorite kasutamist seal, kus see on võimalik. Seetõttu valmistati ette suur komplekt elektroonilisi skeeme, mille õpilased pidid kogu reaalseid komponente kasutades kokku panema ning praktikas testima, ning projektide aluseks valiti Duckietown.

Duckietown on avatud projekt, mis hõlmab väikesi autonoomseid roboteid, mida nimetatakse Duckiebot'ideks, ning teede võrgustikku, mille kaudu nad liiguvad. Duckiebot on ratastele paigaldatud platvorm, mis on varustatud Raspberry Pi mikrokontrolleri ja ühe kaameraga.

Selle põhjal oleme valmistanud hulga võimalikke ülesandeid, nagu teede kaardistamine, objektide leidmine ja nende kõrval peatumine, ning mitmeid teisi. Samuti said üliõpilased esitada oma probleemi ja mitte ainult kirjutada programmi selle lahendamiseks, vaid ka kohe selle tõelisel robotil käivitada.

Õpetamine

Loengu ajal rääkisid õpetajad materjalist, kasutades eelnevalt ettevalmistatud esitlusi. Mõned loengud salvestati video peale, seega oli üliõpilastel võimalus neid kodus vaadata. Loengute ajal kasutasid üliõpilased materjale oma arvutites, küsisid küsimusi, lahendasid ülesandeid koos ja iseseisvalt, mõnikord tahvlil. Töö tulemustena arvutati iga üliõpilase reiting eraldi erinevates ainetes.

Käsitleme iga aine õppetunde üksikasjalikumalt. Esimene aine oli lineaarne algebra. Üliõpilased õppisid ühe päeva jooksul vektoreid ja maatrikseid, süsteeme lineaarsetest võrranditest jne. Praktilised ülesanded olid üles ehitatud interaktiivses režiimis: pakutud ülesandeid lahendati individuaalselt, samas kui õpetaja ja teised õpilased andsid kommentaare ja näpunäiteid.

Teine aine — elekter ja lihtsad skeemid. Üliõpilased õppisid elektridünaamika aluseid: pinge, vool, takistus, Ohmi seadus ja Kirchhoffi seadused. Praktilised ülesanded tehti osaliselt simulaatoris või lahendati tahvlil, kuid rohkem aega kulus tõeliste skeemide, näiteks loogikatsioonide, võnkumise kontuuride ja muu ehitamiseks.

Järgmine teema — Arvutite arhitektuur — on teatud mõttes sild, mis ühendab füüsika ja programmeerimise. Üliõpilased uurisid fundamentaalset baasi, mille tähendus on pigem teoreetiline kui praktiline. Praktiina projekteerisid üliõpilased iseseisvalt aritmeetilisi loogilisi skeeme simulaatoris, sooritatud ülesannete eest said nad punkte.

Neljas päev – esimene programmeerimise päev. Programmeerimiskeeleks valiti Python 2, kuna just seda kasutatakse ROS-i programmeerimisel. See päev kulges järgmiselt: õppejõud tutvustasid materjali, toodi näiteid probleemide lahendamiseks, samas kui üliõpilased kuulasid neid, istudes arvutite taga, ja kordasid õppejõu tahvlile või slaidile kirjutatut. Seejärel lahendasid õpilased sarnaseid probleeme iseseisvalt, mille järel hindasid lahendusi õppejõud.

Viies päev oli pühendatud ROS-ile: poisid tutvustasid end robotite programmeerimisega. Kogu õppepäeva üliõpilased istusid arvutite taga, käivitades programmikoodi, millest rääkis õppejõud. Nad suutsid iseseisvalt käivitada põhilised ROS-i üksused ja tutvuda projektiga Duckietown. Selle päeva lõpuks olid üliõpilased valmis minema projektiosa juurde – praktiliste probleemide lahendamisele.

Valitud projektide kirjeldus

Üliõpilastele pakuti võimalust jaguneda kolme inimese rühmadesse ja valida endale projektiteema. Lõpuks valiti järgmised projektid:

1. Värvide kalibreerimine. Duckiebot vajab kaamera kalibreerimist valgusolude muutumisel, seega on olemas automaatse kalibreerimise ülesanne. Probleem seisneb selles, et värvide vahemikud on valgusele väga tundlikud. Osalised realiseerisid utiliidi, mis eristaks kaadris vajalikke värve (punane, valge ja kollane) ning koostaks igale värvile vahemikud HSV formaadis.

2. Duck Taxi. Selle projekti idee on, et Duckiebot saaks peatuda mõne objekti juures, selle üles korjata ja järgida teatud marsruuti. Objektina valiti ere kollane part.

3. Teede graafi loomine. On olemas ülesanne luua teede ja ristmike graaf. Selle projekti eesmärk on luua teede graaf ilma eelneva keskkonnaandmete esitamiseta Duckiebotile, lähtudes ainult kaamerast saadud andmetest.

4. Patrullauto. Selle projekti tuli välja üliõpilased ise. Nad soovitasid õpetada ühte Duckiebot'i, "patrulli", jälitama teist – "reeglitest rikkujat". Selleks kasutati sihtmärkide tuvastamise mehhanismi ArUco-märgist. Kui tuvastamine on lõpule viidud, saadetakse "reeglitest rikkujale" signaal lõpetamise kohta.

Värvide kalibreerimine

Color Calibration projekti eesmärk oli korrigeerida värvide tuvastamise ulatust uusites valgustingimustes. Ilma selliste korrigeerimisteta muutus stopplinjade, valgete ja teerajade jagajate tuvastamine ebatäpseks. Osalejad pakkusid lahendust, mis põhines teeservade värvide diskrimineerimise eelprotsessil: punane, kollane ja valge.

Igaühele neist värvidest on määratud eelnevad HSV või RGB väärtuste vahemikud. Selle vahemiku abil tuvastatakse kaadris kõik piirkonnad, mis sisaldavad sobivaid värve, ja neist valitakse suurim. See piirkond on see, mida tuleb meeles pidada. Siis kasutatakse statistilisi valemeid, nagu keskmise ja keskmise ruutudekvendi arvutamine, et hinnata uut värvi vahemikku.

See vahemik salvestatakse Duckieboti kaamera konfiguratsioonifailidesse ja võib tulevikus kasutada. Kirjeldatud lähenemist rakendati kõigi kolme värvi puhul, luues lõpuks iga teeteenistuse värvi jaoks vahemikud.

Testid näitasid peaaegu ideaalset teeteenistuse joonte tuvastamist, välja arvatud juhul, kui märgistusmaterjalina kasutati läikivat lint, mis peegeldas valgusallikaid nii palju, et kaamera vaatevinklist näis, et märgistus oli valge, sõltumata selle algsest värvist.

Duck Taxi

Duck Taxi projekt nägi ette algoritmi loomise linnas passase ristsedakude otsimiseks ja seejärel oma sihtpunkti transportimiseks. Osalejad jagasid ülesande kaks: tuvastamine ja graafiku kaudu liikumine.

Üliõpilased teostasid ristsedakude tuvastamise, tehes eeldust, et ristsedakuks loetakse igasuguseid piirkondi kaadris, mida on võimalik tuvastada kui kollast, millel on punane kolmnurk (nokks). Kui selline piirkond tuvastatakse järgmise kaadri töötlemisel, peab robot sellele lähenema ja seejärel peatuma paariks sekundiks, jäljendades reisija maandumist.

Seejärel, olles eelnevalt mällu salvestanud kogu Duckietowni teede graafiku ja roboti asukoha ning saades ka sihtpunkti sisendina, koostavad osalejad marsruudi alguspunktist sihtkohta, kasutades Dijkstra algoritmi teede leidmiseks graafikus. Väljund esitatakse käskude kogumina — pöörded igal järgmisel ristmikul.

Teede graaf

Selle projekti eesmärk oli ehitada graaf - teede võrgu Duckietownis. Graafi sõlmedeks on ristmikud ja kaared - teed. Selleks peab Duckiebot uurima linna ja analüüsima oma marsruuti.

Projekti käigus kaaluti, kuid seejärel loobuti ideest luua kaalutud graaf, mille servade hind oleks määratud kauguse (ajalise kestuse) järgi ristmete vahel. Selle idee elluviimine osutus liiga töömahukaks ja aega ei piisanud selleks kooliprogrammi raames.

Kui Duckiebot jõuab järgmiseks ristmikuks, valib ta teed, mis väljub ristmikust, millega ta varem pole liikunud. Kui kõik teed on kõigis ristmikes läbitud, jääb boti mällu koostatud ristmikute naabrusloend, mis muudetakse pildi järgi Graphviz teegi abil.

Osalejate poolt pakutud algoritm ei sobi juhuslikuks Duckietowniks, kuid toimis hästi väikese linna korral, mis koosneb neljast ristmikust ja mida kasutati kooliprogrammi raames. Idee oli rikastada igat ristmikku ArUco-märkeriga, mis sisaldab ristmiku identifikaatorit, et jälgida ristmike läbimise järjekorda.
Kujutisel on näidatud osalejate loodud algoritmi tööjõud.

Patrulleauto

Selle projekti eesmärk on otsida, jälitama ja kinni pidada rikkumist teinud bot Duckietownis. Patrullbot peab liikuma linna välisringtee pidi, otsides ette teadaolevat rikkumist teinud boti. Peale rikkumise avastamist peab patrullbot järgima rikkujat ja sundima teda peatuma.

Töö algas ideede otsimisest, kuidas tuvastada boti kaadrid ja ära tunda rikkumist. Meeskond pakkus välja, et iga bot linna taga varustatakse unikaalse märgiga - nagu autodel on riigi registreerimisnumbrid. Selleks valiti ArUco-märgid. Need on varem kasutatud Duckietownis, kuna neid on lihtne kasutada ja need võimaldavad määrata märgi orientatsiooni ruumis ja kauguse selle juurde.

Seejärgmiseks tuli teha, et patrullebot liiguks rangelt välist ringi pidi, peatumatult ristmikel. Vaikimisi liigub Duckiebot sõidureas ja peatub peatusmärgi kohal. Seejärel määrab see liiklusmärkide abil ristmiku konfiguratsiooni ja otsustab, millises suunas ristmik läbida. Iga kirjeldatud etapi eest vastutab roboti lõppautomaat. Peatuste vältimiseks ristmikel muutis meeskond olekute automaati nii, et bot lähenedes peatusmärgile, liikus ta kohe ristmiku läbimise olekusse.

Järgmine samm oli rahuldada seaduse rikkumise botiga peatamine. Meeskond tegi eeldusi, et patrullebot võib igale botile linnas SSH kaudu juurde pääseda, st tal on teavet selle kohta, millised on igasugused volituste andmed ja milline ID on igal botil. Seega, pärast seaduserikkuja avastamist, hakkas patrullebot SSH kaudu ühendust võtma seaduse rikkumise botiga ja sulgema selle süsteemi.

Pärast kontrollimist, et sulgemiskäsk on täidetud, peatub ka patrullebot.
Patrullroboti töö algoritmi saab esitada järgmise skeemina:

Projektide töö

Tööd korraldati Scrumi sarnases formaadis: iga hommik planeerisid õpilased ülesandeid jooksvale päevale ja õhtuti andsid nad aru, mida nad on teinud.

Esimesel ja lõpp-päeval valmistusid õpilased esitlusteks, mis kirjeldasid seatud ülesannet ja selle lahendamise viise. Aitamiseks olid projektitöös ruumides pidevalt kohal Venemaa ja Ameerika õpetajad, kes vastasid küsimustele. Suhtlus toimus enamasti inglise keeles.

Tulemused ja nende esitlemine

Projektide töö kestis nädala aega, mille jooksul esitlesid õpilased oma tulemusi. Kõik valmistusid esitlusteks, kus rääkisid, mida nad selle kooli jooksul õppisid, millised olid kõige olulisemad õppetunnid, mis neile meeldis või ei meeldinud. Pärast seda esitles iga meeskond oma projekti. Kõik meeskonnad said oma ülesannete täitmisega hakkama.

Värvide kalibreerimise meeskond lõpetas projekti kiiremini kui teised, seetõttu suudeti valmistada ette ka oma programmi dokumentatsioon. Tehniliste teede graafika meeskond püüdsid isegi projekti demonstreerimise eelviimasel päeval parandada ja toimetada oma algoritme.

Kokkuvõte

Pärast kooli lõpetamist palusime õpilastel hinnata möödunud tegevusi ja vastata küsimustele selle kohta, kuivõrd kool vastas nende ootustele, milliseid oskusi nad omandasid jne. Kõik õpilased märkisid, et nad õppisid meeskonnas töötama, ülesandeid jagama ja oma aega planeerima.

Õpilastele pakuti ka võimalust hinnata läbitud kursuste kasulikkust ja keerukust. Siin kujunesid välja kaks hinnangute rühma: ühed leidisid, et kursused ei valmista suurt vaeva, teised aga hindasid neid maksimaalselt keerukateks.

See tähendab, et kool on võtnud õige positsiooni, jäädes algajatele kergesti ligipääsetavaks erinevates valdkondades, kuid pakkudes samas materjale kogenud õpilastele põhjalikuks kordamiseks. Tuleb märkida, et programmeerimise kursust (Python) märkis peaaegu igaühe poolt kui mitte eriti keerulist, kuid kasulikku. Kõige keerulisemaks osutus õpilaste arvates kursus "Kliendi arhitektuur".

Kui õpilastelt küsiti kooli puuduste ja eeliste kohta, vastasid paljud, et neile meeldis valitud õpetamisstiil, kus õpetajad pakkusid kiiret ja individuaalset abi ning vastasid tekkinud küsimustele.

Lisaks märkisid õpilased, et neile meeldis töötada ülesannete igapäevase planeerimise režiimis ja iseseisvalt tähtaegu seada. Puudustena tõid õpilased välja vajalike teadmiste nappuse, mis oli vajalik tööks botiga: ühendamisel, töötamise põhimõtete ja aluste mõistmisel.

Praktiselt kõik õpilased märkisid, et kool ületas nende ootusi, mis viitab sellele, et kooli korraldamine on õigesti suunatud. Seetõttu tuleks järgmist kooli korraldades säilitada üldised põhimõtted, arvestades ja vajadusel kõrvaldades õpilaste ja õpetajate märgitud puudusi, muutes kursuste loetelu või nende õpetamise aega.

Artikli autorid: meeskond mobiilsete robotite algoritmide labor ja JetBrains Research.

P.S. Meie ettevõtte blogil on uus nimi. Nüüd keskendub see JetBrainsi haridusprojektidele.

Allikas: habr.com