6 fantastiske Raspberry Pi AI-projekter

Kunstig intelligens, netop den generative slags, har for nylig set en pludselig stigning i popularitet, da folk udforsker mulighederne for at skabe visuelt og tekstuelt indhold med disse værktøjer. Sådanne maskinlæringsmodeller køres normalt på meget dyrt udstyr, da de kræver meget lagerplads og computerressourcer.

Indtast Raspberry Pi 4, en $35 singleboard-computer i en kreditkortformfaktor. Mens Raspberry Pi er begrænset i sin maskinlæringskapacitet på grund af dens underpowered GPU, har den stadig visse kunstig intelligens-applikationer.

1. Mycroft/Picroft: Personal AI Voice Assistant

Mycroft tilbyder et open source-alternativ til dine Alexa-, Google- og Siri-smarthøjttalere. Det giver dig mulighed for at tale med og få information fra den virtuelle assistent. Med fokus på at beskytte dit privatliv holder Mycroft dig i kontrol og kan installeres på en Android-telefon, en bærbar computer eller en Raspberry Pi. Du kan Skab din egen privatlivsvenlige Raspberry Pi-smarthøjttaler med Mycroft.

Picroft er en pakke af stemmeassistentprogrammet, der er specielt designet til at køre på Raspberry Pi-modeller. Den er bygget oven på Raspberry Pi OS Lite, og diskbilledet kan brændes på et microSD-kort. Du skal bruge et microSD-kort (8 GB eller større), en USB-mikrofon og et 3,5 mm-stik eller USB-højttaler.

Kun frontenden er installeret på din Raspberry Pi, og denne installation skal ringe tilbage til den backend, der er hostet på home.mycroft.ai for at den virtuelle assistent kan arbejde. Det er muligt, men ret udfordrende, helt selv at være vært for Mycroft.

Selvom det ikke er så fuldt udstyret som kommercielle muligheder, har Mycroft et par tricks i ærmet. Den understøtter applikationer, der kaldes færdigheder, der udvider din virtuelle assistents funktionalitet. Nogle af standardfærdighederne giver dig mulighed for at indstille alarmer, optage lyd og styre musikafspilning. Du kan installere flere færdigheder fra markedspladsen eller oprette nye.

Baseret på både Raspberry Pi og Arduino tilbyder OpenCat en open source-ramme til bygning af firedobede kæledyrsrobotter i Boston Dynamics-stil. Disse robotter bevæger sig med fire ben i stedet for hjul, hvilket giver dem mulighed for at bevæge sig i ustruktureret terræn med en vis grad af flydighed. Denne ramme kan tilpasses til STEM-læring, robotundervisning, Internet of Things-applikationer og robotforskning.

Dette projekt er stadig i de tidlige stadier og er mest velegnet til avancerede producenter med de nødvendige hardware- og programmeringsfærdigheder. Det er muligt at købe et færdigmonteret sæt fra Petoi i enten kat- eller hundeform (kaldet Nybble og Bittle, koster henholdsvis $284 og $256), men nogle producenter har implementeret OpenCat-softwaren på 3D-printede robotkæledyr.

OpenCat-robotter har et tilpasset Arduino-kort, NyBoard, som er ansvarlig for at drive servoerne, udvide den trådløse forbindelse, orientering, balancering og infrarød detektion. Det giver også et stik, hvor en Raspberry Pi kan monteres for at udvide den firbenede robots muligheder.

I dag er fuldt autonome køretøjer stadig en fantasi, men vi er nået så langt som niveau to ud af de fem niveauer af autonom kørsel. Virksomheder som Tesla og Google arbejder hårdt på at forsøge at skabe den første helt selvkørende bil, og de anvender alle lignende teknikker, som DeepPiCar bruger.

DeepPiCar er et dybtlærende, selvkørende robotbilprojekt af David Tian baseret på Raspberry Pi, TensorFlow, SunFounders PiCar V-kit og Googles Edge TPU-coprocessor. De anslåede omkostninger for al den nødvendige hardware til dette projekt er omkring $250 til $300.

Denne robotbil er i stand til at registrere og følge vognbane, registrering af trafikskilte og håndtering af fodgængere. David beskriver hardware- og softwareopsætningen i en serie om Medium. Det er et udfordrende projekt, men det giver en fantastisk måde at komme ind i dyb læring og autonom kørsel.

OpenCV er et stort, open source computervision og maskinlæringsbibliotek designet til realtidsapplikationer og understøtter en lang række sprog. OpenCV giver Raspberry Pi mulighed for at genkende objekter og dyr i realtid. Når det er installeret, skal du vedhæfte et kameramodul til Raspberry Pi for at tage de billeder, du vil identificere.

Denne tutorial fra Core Electronics leder dig gennem processen med at konfigurere din OpenCV-installation til genstands- og dyredetektering og justering af koden for at detektere specifikke objekter, mens den ignoreres andre. Det bruger COCO-datasætbiblioteket, selvom du kan bruge et hvilket som helst andet fortrænet bibliotek, der passer til dine behov.

Med Edge Impulse kan du nemt træne en model til at genkende en række forskellige bevægelser, såsom at vinke, pege eller klappe. Når din model er trænet, kan du bruge den til at styre dit projekt, såsom at tænde et lys eller afspille en lyd.

Dette projekt for gestusgenkendelse er baseret på Raspberry Pi Pico og Edge Impulse og tilbyder en fantastisk måde at tilføje interaktivitet til dine projekter. Den bruger også MPU6050 kombineret accelerometer og gyroskopsensor til at spore bevægelserne. Sørg for at tjekke Hackster-tutorialen (linket ovenfor) for at lære, hvordan man træner en model, der kan behandle disse sensordata og derefter implementere den på Raspberry Pi Pico.

Dette AI-projekt kombinerer konceptet med en generativ chatbot og en virtuel assistent for at skabe et værktøj, der kan modtage lydforespørgsler og returnere realistiske svar. Svarene genereres af ChatGPT og videresendes som lyd via Google Clouds tekst-til-tale. Hvis du ikke er klar over, hvor kraftfuld denne AI-chatbot er, så tag et kig på de mange ting du kan gøre med ChatGPT.

Alt du behøver er en Raspberry Pi 4, en USB-mikrofon og en højttaler for at bruge denne stemmeassistent og udnytte ChatGPTs fulde kraft. Du kan finde projektscriptet og anden nødvendig software på GitHub-siden, der er linket til ovenfor.

Få din Raspberry Pi involveret i AI-løbet

Selvom den er beskeden i størrelse og computerressourcer, er Raspberry Pi i stand til at bringe visse kunstig intelligens-ideer ud i livet. Ovenstående projekter er blot nogle få eksempler på de mange muligheder, der findes. Ved at kombinere din kreativitet og programmeringsevner kan du bruge Raspberry Pi til at skabe AI-projekter i den virkelige verden.