PHYTEC Blog | Embedded Systems Insights

PHYTEC KI gewinnt „on the Edge“

Geschrieben von Julia Philipp | 23 September 2020

PHYTEC America baut intelligente Demo für Spieleklassiker Vier Gewinnt.

Eigentlich ist PHYTEC Spezialist für Embedded Systeme im industriellen Serieneinsatz. Doch nun hat das Team von PHYTEC America eine spannende Demo entwickelt: Eine Maschine, die mittels künstlicher Intelligenz und Robotikelementen, das Spiel Vier Gewinnt spielt.

 

Erstmals auf der embedded world 2020 war live zu erleben, wie viel Spaß die rechenstarken embedded Lösungen von PHYTEC machen können, die gleichzeitig kompakt, energiesparend und kostengünstig sind.

Der Hardware-Aufbau

Die Vier Gewinnt Maschine von PHYTEC besteht aus folgenden Hardware-Komponenten:

  • Spielfeld mit Spielkugeln in 2 Farben
  • Roboterarm
  • Kameragesteuerter Sortiermechanismus für die Spielkugeln
  • Touchscreen
  • PHYTEC System-on-module: phyCORE®-AM5729 mit einem Texas Instruments Prozessor TI Sitara AM5716/8

Spielablauf und Softwareumsetzung

Vier Gewinnt ist ein Spiel mit perfekter Information: Jeder Spieler kennt alle Züge des Gegenspielers. Genau wie im klassischen „Vier Gewinnt“ Spielfeld befinden sich im PHYTEC Spielfeld 42 Kugelsteckplätze. Gespielt wird mit 21 roten und 21 gelben Spielkugeln. Ist die Maschine an der Reihe, verteilt ein 5-achsiger Roboterarm von Dorna.ai die Spielkugeln im Spielfeld. Er wird vom Hauptprozessor (ARM® Cortex A-15) des TI Sitara angesteuert (programmiert in Phython). Die USB-Kamera erkennt die aktuelle Kugelverteilung im Spielfeld. Sie wird ebenfalls vom Hauptprozessor angesteuert. Zur Entlastung des Hauptprozessors wäre hier auch eine Steuerung über eine der IPUs oder DSPs auf dem TI Sitara möglich.

Mit Hilfe von Algorithmen aus der OpenCV Library wird die Kugelposition an das KI-Modell übermittelt, welches zuvor in der Cloud erstellt wurde. Es handelt sich um ein Convolutional Neural Network (CNN), das auf dem Embedded Vision Engine (EVE) Coprozessor des TI Sitara ausgeführt wird. Hier werden die Spielentscheidungen der Maschine berechnet. Genutzt werden hierfür das Texas Instruments Deep Learning (TI-DL) sowie die OpenCL Schnittstelle. Das Modell setzt das Open Source Framework TensorFlow ein.

Der menschliche Spieler kann das System auf einem LVDS Touchscreen zum Zug auffordern: aus Sicherheitsgründen startet der Roboterarm nicht automatisch. Nach Beendigung einer Runde werden die Kugeln mittels eines Sensors farblich erkannt und über den Sortiermechanismus in zwei Boxen verteilt. Der gesamte Aufbau wurde in dem 3D-CAD-Konstruktionstool SolidWorks geplant. Das Spielfeld und den Sortiermechanismus hat das Entwicklungsteam via 3D-Druck hergestellt. Die Entwicklungszeit betrug wenige Monate.