Neden önemlidir? Her yaşta yaratıcılığı ortaya çıkarmak için, son kanıtı Universal LEGO Sorting Machine'in yaratıcısı Daniel West tarafından verilen Lego'yu yenmek zor. AI, Lego tuğlaları, motorları ve bir Raspberry Pi'yi birleştirerek, yarattığı şey, şirketin şimdiye kadar yaptığı her Lego parçasını kategorilerine bağlı olarak 18 farklı kovaya ayırabiliyor, bu nedenle adında 'Evrensel' kullanımı var.

Legos'u ayırmaktan bıktınız mı? Görünüşe göre Batı öyleydi. Ve olmasanız bile, kendisi 10.000'den fazla Lego parçası, 6 lego motoru ve 9 servodan inşa edilirken, Lego tuğlalarını sıralayan yaratımına bir göz atmak iyi bir fikirdir.

Daniel geçmişte yapılan iki benzer çabayı kabul eder ve makinesine "bu evrim çizgisinin bir sonraki adımı" olarak atıfta bulunur. Ayrıca, Lego sıralayıcısının, makinesinin daha önce hiç görmediği bile, şimdiye kadar üretilen herhangi bir Lego parçasını tanıyabileceğini söylüyor.

Legos'u sıralamak, giriş kovasına karışık Lego parçaları koleksiyonu koyarak başlayan üç aşamalı bir işlemdir. Bunlar daha sonra konveyör bantları aracılığıyla tarayıcıya temiz ve tutarlı bir akış sağlamak için birbirlerini sallayan bir titreşim besleyiciye alınır.

Bir kamera daha sonra tarayıcıdan geçen Lego parçasının bir video akışını kaydeder, ardından bir Raspberry Pi çekimleri işler ve görüntüleri Daniel'in dizüstü bilgisayarına aktarır.

Evrişimli sinir ağı adı verilen bir AI tekniği kullanılarak, alınan görüntüler lego parçasını kategorisine göre sınıflandırmak için kullanılır ve sonuçlar makineye geri gönderilir. Oradan sonra, dağıtıcıdaki bir dizi kapı, Lego parçalarını on sekiz çıkış kovasından birine yönlendirmek için açılır ve kapanır.

Daniel'in makinesi, yaklaşık 3.000 farklı Lego parçasının tüm kataloğundan iki saniyede bir bir Lego tuğlasını tanımlayabilir ve sıralayabilir.

Rebrickable gibi sitelerden temin edilebilen 3D modeller sayesinde Daniel AI, çok daha hızlı bir şekilde antrenman yapabildi ve algoritmasını daha da geliştirmek için sadece gerçek lego fotoğrafları kullanmasını gerektirdi. Ayrıca, Blender, TensorFlow ve Raspberry Pi'ye bu projeyi mümkün kıldığı için teşekkür ediyor.