¿Estás listo para un poco de magia?
Descubre cómo crear una varita mágica con el Arduino Tiny ML Kit. ¡Es hora de divertirse!
El hardware que necesitarás:
1x Kit de Tiny Machine Learning
Incluye: Arduino Nano 33 BLE Sense Lite
Incluye: Módulo de cámara OV7675
Incluye: Shield Tiny Machine Learning
Incluye: Cable USB
Introducción
El aprendizaje automático (Machine Learning, ML) permite que las computadoras tomen decisiones aprendiendo de datos. Es parte de la Inteligencia Artificial (IA), que implica crear tecnologías inteligentes que imitan habilidades humanas. Generalmente, el ML requiere computadoras potentes o servicios basados en internet.
TinyML cambia esto al permitir que el ML se ejecute en dispositivos pequeños como las placas Arduino. Por ejemplo, usando el Arduino Nano 33 BLE Sense, puedes configurar modelos de ML para realizar tareas que normalmente requieren sistemas más complejos. Esto se logra usando TensorFlow Lite, una herramienta simplificada diseñada para dispositivos pequeños.
Con TinyML, puedes crear dispositivos inteligentes que funcionen rápidamente y mantengan tus datos privados, perfecto para dispositivos domésticos que necesitan responder al instante o monitorear su entorno.
Este enfoque es perfecto para crear dispositivos como una varita mágica, donde el Arduino detecta y responde a los movimientos de la varita.
Al programar el Arduino con modelos de ML, tu varita mágica puede reconocer patrones específicos de movimiento y desencadenar efectos mágicos en consecuencia. Este proyecto te muestra cómo TinyML puede aportar características interactivas e inteligentes a objetos simples de uso cotidiano.
Paso 1:
Prepara tu Arduino Nano 33 BLE Sense Lite conectándolo a tu computadora con el cable USB.
Low quality preview for
Paso 2:
Abre el IDE de Arduino y abre el proyecto de ejemplo “magic_wand” de la biblioteca TensorFlowLite. Selecciona el puerto al que está conectado tu Arduino y selecciona la versión correcta del Arduino Nano.
Paso 3:
Instala la biblioteca “Arduino_TensorflowLite” con el
Library Manager. Luego abre el proyecto de ejemplo “micro_speech” y comienza a compilar el software haciendo clic en el botón de compilación en la parte superior izquierda.
Paso 4:
Low quality preview for
Abre el monitor serial en la parte superior derecha del IDE de Arduino y presiona el botón de reinicio en tu Arduino.
Paso 5:
Ahora probemos el proyecto. Espera hasta que finalice la fase de inicialización y luego agita tu Arduino en el aire. Deberías ver el camino exacto replicado e impreso en el monitor serial.
Los datos se obtendrán del sensor giroscópico dentro del Arduino y los procesará el software de Machine Learning en el Arduino.