有你，我轻松了

王继萱

乒乓球训练总能带给我无限的激情，但是练习中和结束后，都要把掉落的乒乓球收拾起来。每次望着满地的乒乓球，我都有点无奈，这个时候多么渴望有一个机器人来帮忙啊！参加夏令营时学习了机器人编程技术，于是我想让乐高机器人来捡乒乓球。

翻阅资料后，我发现，除了需要多种传感器去感应各种情况下乒乓球的位置、判断中途是否有障碍，机器人还必须处理各种复杂的情况，甚至需要自己做出一些决策。有没有这样能自主捡球的机器人呢？

我想到了人工智能。如果利用深度学习技术的自主学习能力，捡球机器人也许只需要依靠摄像头这一种传感器，无需程序员事先考虑各种复杂情况或被迫根据实际情况重新编程，通过学习和训练，就能实现对复杂场景的处理，避开各种障碍，拾取满地掉落的乒乓球。

经老师和家长指导，我了解到深度学习开发板JETSON-NANO及其套件支持TENSOR FLOW的深度学习框架。经过调研比较后，我决定改造以此为主板的JETBOT-AI小车，通过摄像头拍摄的图片数据与人工操作时记录的速度和角度信息相匹配，对神经网络进行在线或离线训练，使训练后的小车能够克隆训练时人操作下的小车行为.自主识别乒乓球目标，按照训练流程接近乒乓球，将乒乓球吸入风道。

于是，我设计、制作了基于抽气风扇的自动捡乒乓球装置，并将装置安装固定在Jetbot-AI小车上，设计并移植捡球控制的代码，完成了捡球机器人实物制作，选择了基于深度学习的远距离目标识别、定位与追踪算法，并通过样机训练，改进了捡球机器人的控制代码、训练布景和边界，以及路径规划等方案。

捡球训练和总体功能验证证明，经过训练后的捡乒乓球机器人具备了自主发现、识别、追踪，以及避障和拾取散落全场乒乓球等功能。

本项目的主要创新点是：

1.采用了CPU-GPU复合处理架构，具有更为强大的计算和处理能力。

2.引入深度学习技术，可自主完成多种任务，智能程度更高。

不足和改进：

1.目前的程序与小车的兼容性不够好，没充分发挥JETSON-NANO的CPU-GPU处理架构的优势，在线训练情况有待改进。

2.程序对车速的控制仍有缺陷。

3.经过训练的小车追踪的精准度、避障的复杂动作，以及应对死角问題都有优化的余地。

经历捡球机器人的研制过程，我知道将设想变成现实需要储备很多知识，需要集体讨论、查阅文献和试验验证，要勇于在失败中探索和改进。这些宝贵的经验将是我未来学习和创新实践的动力源泉。

（本作品荣获第35届上海市青少年科技创新大赛一等奖、第15届中国少年科学院“小院士”课题研究成果一等奖。作者：上海民办华二初级中学学生;指导教师：周宇迪、王诗臻）