文科生是否也可以成為人工智能領(lǐng)域里的創(chuàng)客？答案是肯定的！

素為是一名在司法系統(tǒng)里工作的法律工作者，本科就讀于法律專業(yè)。同時(shí)，他還是一名計(jì)算機(jī)愛好者，作為智能硬件的創(chuàng)客，平時(shí)他喜歡用電子硬件做一些有趣的項(xiàng)目。

幾年前，Alpha Go 對戰(zhàn)圍棋大師李世石的畫面令世界贊美人工智能的發(fā)展速度，但是素為卻覺得“這還不夠酷”！Alpha Go 是通過它的研發(fā)者黃士杰來執(zhí)棋的，直播畫面看起來還是兩個(gè)人在對弈，怎么能說是人機(jī)大戰(zhàn)呢？

“加個(gè)機(jī)械臂執(zhí)棋，很難嗎？”從那時(shí)起，素為就決定要做一個(gè)真正的象棋機(jī)器人，還向朋友夸下了海口。為了讓正在一天天長大的孩子少看電子屏幕，通過下象棋鍛煉思維能力，素為覺得必須加快制作出真正的象棋機(jī)器人。

硬件的選擇和系統(tǒng)框架的搭建

之前素為準(zhǔn)備用 PC 電腦來實(shí)現(xiàn)這個(gè)想法，后來發(fā)現(xiàn)NVIDIA Jetson Nano開發(fā)套件可為全桌面 Linux 給予開箱即用支持，并且與許多常見的外部設(shè)備和配件兼容，相關(guān)的開發(fā)教程也很豐富。

“這個(gè)小小的板子功耗不高，而且樹莓派能做的它基本都能實(shí)現(xiàn)，關(guān)鍵是還具備 AI 功能，這可以滿足我的需要，”素為表示。

很快，素為就規(guī)劃出了一個(gè)系統(tǒng)框架：

素為的目標(biāo)就是要做一款名副其實(shí)的“人機(jī)對戰(zhàn)”中國象棋機(jī)器人。在制作過程中，他以 Jetson Nano 為中控主機(jī)，利用其邊緣計(jì)算能力，無需聯(lián)網(wǎng)即可實(shí)現(xiàn)對棋盤的視覺識(shí)別和棋步策略計(jì)算，再運(yùn)用一部 XYZ 三軸滑臺(tái)加氣泵吸盤即可挪動(dòng)棋子，實(shí)現(xiàn)真正的“人機(jī)對戰(zhàn)”。

使用這個(gè)系統(tǒng)進(jìn)行人機(jī)對弈的流程如下：

1. 人類下一步棋；

2. 人類點(diǎn)擊 GPIO 按鈕，Jetson Nano 啟動(dòng)指令；

3. 棋盤上方的攝像頭對著棋盤拍攝 1 張照片；

4. 運(yùn)用 OpenCV 對照片進(jìn)行四角對齊、裁切邊緣等處理；

5. 將棋盤部分裁切為 9×10 個(gè)小圖片；

6. 運(yùn)用事先訓(xùn)練好的圖片分類模型在 Jetson Nano 上進(jìn)行推理，該模型可分辨 15 種情況（7 種紅方棋子、7 種黑方棋子、無棋子）；

7. 將識(shí)別結(jié)果拼接為棋盤狀態(tài)，以 FEN 規(guī)范格式進(jìn)行表達(dá)；

8. 將 FEN 文本傳遞給開源中國象棋引擎 elephantfish，在 Nano 上進(jìn)行計(jì)算，獲取機(jī)器決定走的下一步棋；

9. 生成并執(zhí)行 gcode 指令控制滑臺(tái)模組和氣泵，將某個(gè)棋子在棋盤上挪動(dòng)；

10. 機(jī)器執(zhí)行完畢，進(jìn)入等候狀態(tài)，等待人類發(fā)出下一步棋及按鈕指令

從以上流程中，我們可以看到 Nano 作為主控機(jī)，除了指揮全過程運(yùn)轉(zhuǎn)，在第 4 至第 8 步驟為圖片預(yù)處理、棋盤識(shí)別和計(jì)算下棋策略均提供了必不可少的算力。

圖1：步驟4（a）

圖2：步驟4（b）

克服深度學(xué)習(xí)的挑戰(zhàn)

作為一名專業(yè)學(xué)習(xí)法律的文科生，素為表示對深度學(xué)習(xí)其實(shí)是一知半解的，“就是能夠把開源代碼 debug 跑起來那種水平。”為了把象棋機(jī)器人做出來，素為在 Jetson Nano 上先后用 TensorFlow 嘗試了 VGG、ResNet 和 Inception。

“要么調(diào)參數(shù)總是調(diào)不好，要么準(zhǔn)確度不高，”素為說，“曾經(jīng)一度很沮喪。”

然而，功夫不負(fù)有心人，一個(gè)偶然的機(jī)會(huì)，素為看到 NVIDIA 與百度合作的EasyDL平臺(tái)，在該平臺(tái)上，可以零代碼訓(xùn)練，并將模型一鍵部署在 NVIDIA Jetson 設(shè)備上。于是素為手工準(zhǔn)備和標(biāo)注了 4000 張訓(xùn)練素材圖片，這些圖片有的清晰，有的模糊，有的用光照亮、有的故意制造陰影，還有不同的旋轉(zhuǎn)角度。之后在此基礎(chǔ)上，對素材圖片進(jìn)行批量加噪點(diǎn)處理，一共生成了 5 萬張圖片數(shù)據(jù)用于深度學(xué)習(xí)訓(xùn)練。經(jīng)過 EasyDL 的訓(xùn)練，生成了“圖像分類”模型（因?yàn)檫\(yùn)用場景有限可控，因此該模型不怕過擬合，準(zhǔn)確率 100%），之后一鍵部署在 Jetson Nano 上，再配合素為寫的主代碼（https://gitee.com/lawup/chess-robot.git），象棋機(jī)器人終于運(yùn)轉(zhuǎn)起來了！

成為 Jetson 百萬開發(fā)者一員

開心地看著自己的孩子和老父親與機(jī)器鏖戰(zhàn)幾盤，歡聲笑語無疑是這一路艱辛的最好補(bǔ)償！

2022 年年底，素為帶著這個(gè)項(xiàng)目，參加了 NVIDIA 舉辦的Jetson Edge AI 開發(fā)者大賽，榮獲特別獎(jiǎng)。

“很高興能成為 NVIDIA Jetson 百萬開發(fā)者的一員。最關(guān)鍵的是，我是用 NVIDIA Jetson Nano 套件做出來的，而且充分發(fā)揮了 Nano 的性能和效用。不得不說，人生就是這么神奇，雖然我一度都絕望了，但自己夸下的海口就自己去實(shí)現(xiàn)！”素為談到這個(gè)項(xiàng)目，依舊一臉自豪。

素為用自己的開發(fā)經(jīng)歷對廣大 NVIDIA Jetson 開發(fā)者提出建議：“定下了目標(biāo)就一定要去實(shí)現(xiàn)。因?yàn)槭乔度胧江h(huán)境，很多東西需要編譯，這是一個(gè)比較漫長的過程，一定要有耐心。在經(jīng)歷反復(fù)的嘗試和漫長的等待后，終于成功的那一刻就會(huì)有一種‘山窮水盡疑無路，柳暗花明又一村’的欣喜感，讓你覺得’人間值得’ 。”