Ρομποτική, Python, IoT και Τεχνητή Νοημοσύνη

Στο Tech Lab, οι μαθητές αναπτύσσουν σύνθετα STEM projects που συνδυάζουν ρομποτική, προγραμματισμό και engineering. Χρησιμοποιούν Arduino, Python και αισθητήρες για να δημιουργήσουν λειτουργικά συστήματα, αυτοματισμούς και εφαρμογές που συλλέγουν και επεξεργάζονται δεδομένα από το περιβάλλον.

Μέσα από τεχνολογίες IoT, οι μαθητές γνωρίζουν πώς διαφορετικές συσκευές μπορούν να επικοινωνούν και να ανταλλάσσουν πληροφορίες. Με το Quarky συνδέουν τη ρομποτική με την Τεχνητή Νοημοσύνη και τη μηχανική μάθηση, αναπτύσσοντας εφαρμογές αναγνώρισης προσώπων, αντικειμένων, κινήσεων και άλλων οπτικών δεδομένων.

Παράλληλα, σχεδιάζουν στο Onshape εξαρτήματα προσαρμοσμένα στις ανάγκες των κατασκευών τους και τα μετατρέπουν σε πραγματικά αντικείμενα με 3D printing. Ακολουθώντας τη διαδικασία του prototyping, δημιουργούν ένα πρώτο λειτουργικό πρωτότυπο, το δοκιμάζουν, εντοπίζουν τεχνικές αδυναμίες και βελτιώνουν σταδιακά τόσο την κατασκευή όσο και τον κώδικά τους.

Οι μαθητές μαθαίνουν να:

• αναπτύσσουν ολοκληρωμένα projects STEM και engineering

• δημιουργούν ηλεκτρονικά συστήματα και αυτοματισμούς με Arduino

• προγραμματίζουν εφαρμογές και ρομποτικές κατασκευές με Python

• χρησιμοποιούν αισθητήρες και να επεξεργάζονται δεδομένα

• αναπτύσσουν εφαρμογές IoT και συνδεδεμένα συστήματα

• αξιοποιούν το Quarky σε projects ρομποτικής και Τεχνητής Νοημοσύνης

• εφαρμόζουν βασικές αρχές AI και μηχανικής μάθησης

• σχεδιάζουν τρισδιάστατα εξαρτήματα στο Onshape

• δημιουργούν αντικείμενα και λειτουργικά μέρη με 3D printing

• ακολουθούν τα στάδια σχεδιασμού, prototyping, δοκιμής και βελτίωσης

• τεκμηριώνουν και να παρουσιάζουν τη λειτουργία του project τους

Διάρκεια μαθήματος: 1,5 ώρα την εβδομάδα

Προχωρημένη ρομποτική, Python, AI και ανάπτυξη εφαρμογών

Στο Advanced Robotics Lab, οι μαθητές αναπτύσσουν σύνθετα projects που συνδυάζουν προχωρημένη ρομποτική, engineering, προγραμματισμό και σύγχρονες τεχνολογίες. Εργάζονται με ESP32, Python, αισθητήρες, κινητήρες και ηλεκτρονικά συστήματα, δημιουργώντας αυτόνομα ρομπότ, αυτοματισμούς και λειτουργικά πρωτότυπα.

Η Τεχνητή Νοημοσύνη και η μηχανική μάθηση ενσωματώνονται ουσιαστικά στις κατασκευές τους. Οι μαθητές εκπαιδεύουν και αξιολογούν μοντέλα AI, επεξεργάζονται δεδομένα και δημιουργούν εφαρμογές αναγνώρισης εικόνων, αντικειμένων και κινήσεων. Παράλληλα, γνωρίζουν το app development και σχεδιάζουν εφαρμογές που επικοινωνούν με τις ρομποτικές κατασκευές και ελέγχουν τις λειτουργίες τους.

Μέσα από 3D design και 3D printing, σχεδιάζουν και κατασκευάζουν εξαρτήματα προσαρμοσμένα στις τεχνικές απαιτήσεις κάθε project. Συμμετέχουν επίσης σε πρακτικά challenges και, όπου υπάρχει η κατάλληλη προετοιμασία για συμμετοχή σε δράσεις αγωνιστικής ρομποτικής και διαγωνισμούς καινοτομίας.

Οι μαθητές μαθαίνουν να:

• σχεδιάζουν και να κατασκευάζουν προηγμένα ρομποτικά συστήματα

• προγραμματίζουν με Python και ESP32

• χρησιμοποιούν αισθητήρες, κινητήρες και ηλεκτρονικά εξαρτήματα

• δημιουργούν αυτόνομα ρομπότ και σύνθετους αυτοματισμούς

• εφαρμόζουν Τεχνητή Νοημοσύνη και μηχανική μάθηση σε πραγματικά projects

• εκπαιδεύουν, να αξιολογούν και να βελτιώνουν μοντέλα AI

• αναπτύσσουν εφαρμογές που επικοινωνούν με ρομποτικές κατασκευές

• σχεδιάζουν και να κατασκευάζουν εξαρτήματα με 3D printing

• οργανώνουν, να δοκιμάζουν και να τεκμηριώνουν ένα λειτουργικό πρωτότυπο

• αντιμετωπίζουν σύνθετα τεχνικά challenges με αναλυτική και καινοτόμο σκέψη

• προετοιμάζονται για δράσεις αγωνιστικής ρομποτικής και διαγωνισμούς καινοτομίας

Διάρκεια μαθήματος: 1,5 ώρα την εβδομάδα

Το πρόγραμμα ρομποτικής των κορυφαίων πανεπιστημίων και εταιρειών της Αμερικής

Το XRP είναι το νέο εκπαιδευτικό πρόγραμμα του MellonLab που φέρνει τους μαθητές σε επαφή με ένα σύγχρονο, ανοικτό και διαρκώς εξελισσόμενο οικοσύστημα ρομποτικής. Η Experiential Robotics Platform σχεδιάστηκε για να κάνει τη ρομποτική, τη μηχανική και τον προγραμματισμό προσιτά μέσα από πραγματική κατασκευή, πειραματισμό και ανάπτυξη ολοκληρωμένων projects.

Η αρχική πλατφόρμα αναπτύχθηκε από το Worcester Polytechnic Institute – WPI και τη DEKA Research & Development. Σήμερα εξελίσσεται μέσα από ένα διεθνές consortium πανεπιστημίων και εταιρειών τεχνολογίας, στο οποίο συμμετέχουν φορείς όπως το WPI, το Cornell University, το MIT, η DEKA Research & Development, η SparkFun Electronics και η DigiKey, μαζί με οργανισμούς όπως η Raspberry Pi και η STMicroelectronics. Το XRP ξεκίνησε με την υποστήριξη του National Science Foundation και χρησιμοποιείται πλέον ως εκπαιδευτική πλατφόρμα ρομποτικής σε σχολεία, πανεπιστήμια και εκπαιδευτικές δράσεις διεθνώς. FIRST Global, WPI

Οι μαθητές κατασκευάζουν και προγραμματίζουν ένα πραγματικό ρομπότ, διερευνώντας στην πράξη πώς συνεργάζονται το λογισμικό, τα ηλεκτρονικά και η μηχανική κατασκευή. Χρησιμοποιούν Blockly και Python, ελέγχουν κινητήρες και σερβομηχανισμούς και αξιοποιούν αισθητήρες απόστασης, γραμμής και κίνησης για να αναπτύξουν αυτόνομες λειτουργίες και να ολοκληρώσουν διαδοχικά challenges.

Η ανοικτή και αρθρωτή σχεδίαση του XRP επιτρέπει στους μαθητές να επεκτείνουν το ρομπότ με νέους αισθητήρες, μηχανισμούς και ενεργοποιητές. Μέσα από 3D design και 3D printing, σχεδιάζουν δικά τους εξαρτήματα, τροποποιούν τη μορφή και τις δυνατότητες του συστήματος και μετατρέπουν το βασικό ρομπότ σε μια πλατφόρμα για διαφορετικές εφαρμογές, από τον αυτοματισμό και την πλοήγηση έως πιο σύνθετα projects engineering.

Το πρόγραμμα βασίζεται στο learning by doing και στη μεθοδολογία Project-Based Learning. Οι μαθητές καλούνται να κατανοήσουν ένα πρόβλημα, να σχεδιάσουν μια λύση, να κατασκευάσουν, να προγραμματίσουν, να πραγματοποιήσουν δοκιμές και να βελτιώσουν το αποτέλεσμα. Έτσι, δεν μαθαίνουν απλώς να χειρίζονται ένα εκπαιδευτικό ρομπότ, αλλά κατανοούν ολόκληρη τη διαδικασία ανάπτυξης ενός ρομποτικού συστήματος.

Παράλληλα, το XRP μπορεί να λειτουργήσει ως κατάλληλη εκπαιδευτική γέφυρα για μαθητές που ολοκληρώνουν την εμπειρία τους στο FIRST LEGO League και θέλουν να προετοιμαστούν για πιο προχωρημένα συστήματα και το FIRST Tech Challenge. Η μετάβαση γίνεται σταδιακά, μέσα από πιο ανοιχτό hardware, Python, αισθητήρες, ηλεκτρονικά, custom εξαρτήματα και μεγαλύτερη τεχνική αυτονομία, χωρίς η συμμετοχή στο πρόγραμμα να συνεπάγεται αυτόματη ένταξη σε αγωνιστική ομάδα.

Οι μαθητές μαθαίνουν να:

• κατασκευάζουν και να προγραμματίζουν ένα ολοκληρωμένο ρομπότ XRP

• χρησιμοποιούν Blockly και Python

• συνδυάζουν προγραμματισμό, ηλεκτρονικά και μηχανική

• ελέγχουν κινητήρες, σερβομηχανισμούς και ενεργοποιητές

• αξιοποιούν αισθητήρες απόστασης, γραμμής και κίνησης

• αναπτύσσουν αυτόνομες λειτουργίες και ρομποτικές εφαρμογές

• σχεδιάζουν και να κατασκευάζουν προσαρμοσμένα εξαρτήματα με 3D printing

• επεκτείνουν ένα ρομποτικό σύστημα με νέο hardware και αισθητήρες

• εφαρμόζουν τη διαδικασία engineering και prototyping

• εντοπίζουν προβλήματα στον κώδικα και στην κατασκευή

• δοκιμάζουν, να αξιολογούν και να βελτιώνουν συστηματικά τις λύσεις τους

• αποκτούν τις τεχνικές βάσεις για πιο προχωρημένη και αγωνιστική ρομποτική

Διάρκεια μαθήματος: 2 ώρες την εβδομάδα

ρευνα, ανάπτυξη προηγμένων projects και δημιουργία τεχνικού portfolio

Το R&D Lab απευθύνεται σε προχωρημένους μαθητές με υπόβαθρο στον προγραμματισμό, τη μηχανική ή τη ρομποτική, οι οποίοι θέλουν να εξελίξουν ουσιαστικά τις γνώσεις και τις τεχνικές τους δεξιότητες. Τα projects δεν αποτελούν απλώς ένα τελικό αποτέλεσμα, αλλά το βασικό μέσο μάθησης: μέσα από κάθε στάδιο, οι μαθητές εμβαθύνουν σε νέες τεχνολογίες, αντιμετωπίζουν σύνθετα προβλήματα και μαθαίνουν να εργάζονται με ακρίβεια, συνέπεια και επιστημονική σκέψη.

Η εκπαιδευτική διαδικασία προσεγγίζει τον τρόπο εργασίας που ακολουθείται σε πανεπιστημιακά εργαστήρια και τμήματα Έρευνας και Ανάπτυξης. Οι μαθητές μελετούν ένα πραγματικό πρόβλημα, πραγματοποιούν βιβλιογραφική και τεχνική έρευνα, διατυπώνουν ερευνητικά ερωτήματα, καθορίζουν προδιαγραφές και ακολουθούν συγκεκριμένα πρωτόκολλα, μεθοδολογία και κριτήρια αξιολόγησης.

Στη συνέχεια σχεδιάζουν, προγραμματίζουν και κατασκευάζουν το πρωτότυπό τους, πραγματοποιούν ελεγχόμενες δοκιμές, συλλέγουν δεδομένα και αξιολογούν τα αποτελέσματα. Καταγράφουν με συστηματικό τρόπο τις αποφάσεις, τις αποτυχίες και τις βελτιώσεις τους, κατανοώντας ότι η έρευνα και η ανάπτυξη είναι μια επαναληπτική διαδικασία τεκμηριωμένου πειραματισμού.

Ανάλογα με το αντικείμενο του project, μπορούν να αξιοποιήσουν Python, Java, ηλεκτρονικά συστήματα, αισθητήρες, αυτοματισμούς, ρομποτική, Τεχνητή Νοημοσύνη, μηχανική μάθηση, CAD και 3D printing. Η διδασκαλία πραγματοποιείται ατομικά ή σε ομάδα έως τεσσάρων μαθητών, ώστε η πορεία, οι τεχνολογίες και το επίπεδο δυσκολίας να προσαρμόζονται στις γνώσεις, τα ενδιαφέροντα και τους στόχους κάθε συμμετέχοντα.

Παράλληλα με την τεχνική ανάπτυξη, οι μαθητές δημιουργούν ένα ολοκληρωμένο project portfolio. Παρουσιάζουν το πρόβλημα, την έρευνα, τη μεθοδολογία, τις τεχνικές αποφάσεις, τα αποτελέσματα και την προσωπική τους συμβολή, αποτυπώνοντας ολόκληρη την πορεία από την αρχική διερεύνηση έως το λειτουργικό πρωτότυπο.

Το R&D Lab είναι ιδιαίτερα χρήσιμο για μαθητές που ενδιαφέρονται για σπουδές στο εξωτερικό και θέλουν να συμπεριλάβουν στις αιτήσεις τους ένα αυθεντικό τεχνολογικό ή ερευνητικό έργο. Το portfolio λειτουργεί ως τεκμήριο των γνώσεων, της πρωτοβουλίας, της ερευνητικής ωριμότητας και της ικανότητάς τους να οργανώνουν και να ολοκληρώνουν μια απαιτητική εργασία μεγάλης διάρκειας.

Οι μαθητές μαθαίνουν να:

• πραγματοποιούν βιβλιογραφική και τεχνική έρευνα

• διατυπώνουν ερευνητικά ερωτήματα και τεκμηριωμένες υποθέσεις

• ακολουθούν ερευνητικά πρωτόκολλα και συγκεκριμένη μεθοδολογία

• καθορίζουν προδιαγραφές και μετρήσιμα κριτήρια επιτυχίας

• αποκτούν νέες γνώσεις μέσα από την ανάπτυξη ενός πραγματικού project

• συνδυάζουν προγραμματισμό, μηχανική, ρομποτική και σύγχρονες τεχνολογίες

• κατασκευάζουν, να δοκιμάζουν και να βελτιώνουν λειτουργικά πρωτότυπα

• συλλέγουν, να αναλύουν και να αξιολογούν δεδομένα

• τεκμηριώνουν τη διαδικασία, τις τεχνικές αποφάσεις και τα αποτελέσματά τους

• δημιουργούν ένα ολοκληρωμένο τεχνικό και ακαδημαϊκό portfolio

• παρουσιάζουν με σαφήνεια το project και την προσωπική τους συμβολή

Μορφή μαθήματος: Ατομικό ή σε ομάδα έως 4 μαθητών
Διάρκεια: 2–3 ώρες την εβδομάδα, ανάλογα με τις απαιτήσεις του project