【我們為什麼挑選這篇文章】樂高積木是許多人的童年回憶,不過在拼樂高前常常遇到幾個頭痛的問題,不是樂高缺少零件,就是在拼之前要先花時間分類。

現在樂高也透過 AI 科技數位轉型了!不只樂高官方與蘋果合作開發 App 解決缺零件也能拼模型的問題,更有 Maker 在家打造了一條樂高分揀產線,快速將樂高分類。(責任編輯:何泰霖)

說到樂高,可是大人小孩沒人不愛的玩具,每次看到一大堆的樂高積木,把它們一個個拼成像模型成品的時候,簡直就是成就感爆表!

完成之後還要把作品端正地擺放在書桌前,好好端詳一番。

但是,不知道有沒有人想過,其實這些積木其實不止一種拼法。

按照說明書,你可以把這些積木拼成火車,當然,也有人選擇不按常規,非要拼個飛機場出來。

或者,可以有更天馬行空的想像!比如,你就可以把這個企鵝模型改裝成一個企鵝機器人,別說還真以為原本就長這樣:

又或者,你可以把一個普通的小狗模型改得更有味道一些:

是不是已經躍躍欲試,準備馬上對家裡的樂高「下手」了呢?別急,還有更多創意,且聽我們娓娓道來。

積木缺零件怎麼組?樂高用 AI 辨識現有積木,推薦你創意版模型

當你很有興致地拿出樂高準備組裝時,是不是也常發生這樣的情況,不是看著一地的樂高積木什麼靈感都激發不出來,就是發現想組的模型少一塊積木,該怎麼辦?

別急,救星來了。

先看看這個「酷東西」怎麼使用。

首先,它會先掃描與識別滿地的樂高積木,然後依據你現有的積木,提供一些和常規模型完全不一樣的創意造型來讓你發揮。

怎麼樣,是不是頓時感覺自己還能再搶救一下?

根據 TechCrunch 報導,其實,樂高一直和蘋果保持著密切合作,嘗試在 WWDC 上展示一些未發布的 iOS 技術,透過這樣的合作,讓蘋果得以針對自家的擴增實境開發工具 ARKit 平台進行調整,也能使實體玩具增添更多的數位化體驗。

而最終這個完美結合 iOS 技術和實體樂高的 App Brickit 也在 7 月上架 App Store。整個過程中,你只需要把你的積木倒在地板上,然後就讓 Brickit 進行快速識別歸類與分析。其中最讓開發者自豪的,當然要屬 Brickit 的速度了,從上面的影片中可以看到,Brickit 能在幾秒鐘內完成上百塊樂高積木的辨識。

根據部分用戶回饋,使用流暢度確實與上面影片類似,只是在識別和提供建議的模型圖之間會需要稍加等待。更棒的是,Brickit 在提供模型圖後,還會顯示指定區域,帶用戶在茫茫積木海中找到需要的積木材料。

未來,Brickit 在第一方使用者的數據上還有很多地方可以發揮,這也是為何樂高會在 2019 年收購 BrickLink,因為他們相當看重「售後創作的社群力量」。如果能夠建立一個用戶實際擁有的積木數據庫,就能進一步獲得更多他們在積木應用上的見解,做為未來服務的發想靈感。

積木分類超麻煩?Maker 用 AI 視覺在家打造「樂高分揀機」

當然,你也可能遇到另一種狀況,受到 Brickit 的靈感啟發,想要快速找到需要的樂高積木,但是看到滿地的積木瞬間喪了氣。

別急,這個時候你只需要另一個樂高神器,困難就能迎刃而解。

噹噹噹噹,「樂高通用分揀機」閃亮登場。

根據分揀機的製作者 Daniel West 介紹,這台機器結合了 CNN 和 3D 影像辨識技術,可以說是世界上第一台「樂高通用分揀機」,同時,這個分揀機還是由 AI 驅動,能夠辨識出任何已生產的樂高零件,並將它們歸類。

讓我們來仔細看看這個機器到底有什麼花樣。

如下圖,這就是分揀機的核心部分「Capture Unit」,一個擁有輸送帶、照相機和照明燈的小空間。看起來好像沒什麼大不了,實際上要想讓它順利完成工作,有很多需要注意的事情。

相機會拍攝沿著輸送帶輸送的樂高零件,然後將照片上傳到運行著 AI 算法的伺服器,從數千個可能的樂高元素中辨識零件。

核心問題就像工廠一般,需要將輸送帶的即時影像,轉換成神經網路可以辨識的獨立圖像。

最終目標:從原始影像(左)到大小均勻的圖像(右),然後發送到神經網路。(GIF 圖的速度比實際影像慢了50%左右)

這裡用到了目標檢測,即檢測目標的存在、位置和大小,以便零件在每一幀都能生成邊界框。表面上看起來很簡單,實際上卻困難重重。

事實上,想要順利實現零件的辨識與分揀,還有許多需要注意的地方,比如相機的位置和角度;光源要保證充足;另外零件還不能與輸送帶的顏色一樣,否則無法扣除背景。

在訓練神經網路上也需要耗費大量的時間和精力,什麼是神經網路呢?可以把它看作一個虛擬的大腦,它可以透過接受輸入並轉換成相應的輸出來完成特定任務。

一般來說,輸入給神經網路的數據越多,它完成任務的能力就越強。樂高分揀機的神經網路是透過輸入樂高零件的圖像,輸出相應零件的編號。

由於樂高的零部件有成千上百種類型,顏色多樣,並且從不同角度看形狀也不一樣。因此,收集正確的訓練數據集是整個工作中最難的一部分。 West 在分揀機運行幾天後捕獲了30 萬張圖像。

怎麼樣,現在完成一個樂高模型後別再把它當作裝飾了,這些小玩意兒還有很多好玩的地方等待你去解鎖呢!

開發者還想切磋日常生活中如何用 AI 做到創新嗎? AWS 台灣雲端高峰會找來零售、醫療、金融、製造業高手分享最新技術!

樂高還能用在精密實驗上?

德國科學家用樂高做出「顯微鏡」:成本只要幾千元,小學生也能跟著做!
樂高到底有多精密?MIT 都用來當實驗器材,台灣實驗室要不要跟進試試?

參考資料:TechcrunchTwitterRaspberrypi

(本文經合作夥伴 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈別看樂高模板了!利用計算機視覺技術,這個軟件幾秒就識別滿地積木,還能激發靈感〉。首圖來源:Lego