نمونه کد برنامه نویسی

10 مثال کاربردی برای آموزش علاقه‌مندان ربات CarBot

سطح مبتدی

1. سیستم کنترل حرکت اساسی با تایمر

هدف: ایجاد یک الگوی حرکتی ساده برای ربات با استفاده از بلوک‌های اصلی مهارت‌های آموزشی: آشنایی با بلوک‌های حرکتی پایه، مفهوم تایمر، ترتیب اجرای دستورات

1. آغاز با بلوک `start`
2. حرکت به جلو با استفاده از `forward&BackwardAtSpeed` با سرعت 150
3. استفاده از بلوک `wait` با مقدار 3000 میلی‌ثانیه
4. استفاده از بلوک `moveLeft&Right` با مقادیر 150 برای چپ و 0 برای راست (گردش به چپ)
5. استفاده از بلوک `wait` با مقدار 2000 میلی‌ثانیه
6. استفاده از `movementStop` برای توقف کامل ربات

چالش تکمیلی: دانش‌آموزان می‌توانند ربات را طوری برنامه‌ریزی کنند که یک مسیر مربعی شکل را طی کند.

2. کنترل LED با حسگرهای محیطی

هدف: آشنایی با استفاده از حسگرها و کنترل خروجی‌های ربات مهارت‌های آموزشی: خواندن داده‌های حسگرها، ساختار شرطی، کنترل LED

1. شروع با بلوک `forever` برای اجرای مداوم
2. استفاده از بلوک شرطی `if...else`
3. در قسمت شرط: `lightSensor` > 50
4. در بخش if: استفاده از بلوک `brightness` با مقدار 0 (LED خاموش)
5. در بخش else: استفاده از بلوک `brightness` با مقدار 100 (LED روشن)
6. افزودن یک بلوک `wait` با مقدار 500 میلی‌ثانیه برای ثبات

چالش تکمیلی: تنظیم روشنایی LED به صورت متناسب با مقدار نور محیط.

3. سیستم هشدار موانع با اولتراسونیک

هدف: ساخت یک سیستم هشدار ساده برای تشخیص موانع مهارت‌های آموزشی: کار با حسگر اولتراسونیک، منطق شرطی، خروجی صوتی

1. شروع با بلوک `forever`
2. استفاده از ساختار `if...else if...else`
3. در شرط اول: `ultrasonicSensor` < 20
4. در بخش اول if: استفاده از بلوک `soundType` با پارامتر "high" + بلوک `wait` 200ms
5. در شرط دوم: `ultrasonicSensor` < 50
6. در بخش دوم if: استفاده از بلوک `soundType` با پارامتر "medium" + بلوک `wait` 500ms
7. در بخش else: استفاده از بلوک `soundType` با پارامتر "low" + بلوک `wait` 1000ms

چالش تکمیلی: اضافه کردن واکنش حرکتی مانند توقف یا تغییر مسیر هنگام نزدیک شدن به موانع.

سطح متوسط

4. سیستم ناوبری هوشمند با تشخیص موانع

هدف: ساخت الگوریتم ناوبری که به طور هوشمند موانع را تشخیص داده و از آنها اجتناب می‌کند مهارت‌های آموزشی: ترکیب حسگرها، تصمیم‌گیری پیچیده‌تر، کنترل حرکت پیشرفته

1. شروع با بلوک `forever`
2. استفاده از بلوک `if...else`
3. در قسمت شرط: `ultrasonicSensor` < 30
4. در بخش if:
   a. استفاده از بلوک `movementStop`
   b. استفاده از بلوک `brightness` با مقدار 100 (روشن کردن LED)
   c. استفاده از بلوک `wait` با مقدار 500ms
   d. استفاده از بلوک `moveLeft&Right` با مقادیر 0 برای چپ و 150 برای راست
   e. استفاده از بلوک `wait` با مقدار 1500ms
   f. استفاده از بلوک `brightness` با مقدار 0 (خاموش کردن LED)
5. در بخش else:
   a. استفاده از بلوک `forward&BackwardAtSpeed` با سرعت 120

چالش تکمیلی: افزودن یک الگوریتم جستجوی بازگشتی برای یافتن بهترین مسیر در صورت برخورد با موانع متعدد.

5. تعقیب‌کننده خط با کنترل PID ساده

هدف: طراحی یک سیستم تعقیب خط با استفاده از حسگرهای نوری و کنترل PID ساده مهارت‌های آموزشی: الگوریتم PID، کالیبراسیون حسگر، کنترل حرکت دقیق

1. تعریف متغیرهای `targetValue = 50`, `Kp = 0.5`, `error = 0`, `correction = 0`
2. شروع با بلوک `forever`
3. محاسبه خطا: `error = lightSensorLeft - lightSensorRight`
4. محاسبه تصحیح: `correction = Kp * error`
5. استفاده از بلوک `moveLeft&Right` با مقادیر:
   a. چپ = 100 - correction
   b. راست = 100 + correction
6. افزودن بلوک `wait` با مقدار 50ms برای کنترل نرم

چالش تکمیلی: افزودن ضرایب I و D به الگوریتم کنترل برای بهبود عملکرد تعقیب خط.

6. سیستم تشخیص اشیاء با واکنش هوشمند

هدف: استفاده از قابلیت تشخیص اشیاء CarBot برای ایجاد واکنش‌های متفاوت به اشیاء مختلف مهارت‌های آموزشی: کار با مدل‌های تشخیص اشیاء، برنامه‌ریزی رفتاری، استفاده از رویدادها

1. استفاده از بلوک `start` برای تنظیمات اولیه
2. استفاده از بلوک `objectDetection` با پارامتر "person"
3. در بخش `detect_tasks`:
   a. استفاده از بلوک `soundType` با پارامتر "high"
   b. استفاده از بلوک `brightness` با مقدار 100
   c. استفاده از بلوک `forward&BackwardAtSpeed` با سرعت 60
4. استفاده از بلوک `objectDetection` با پارامتر "car"
5. در بخش `detect_tasks`:
   a. استفاده از بلوک `soundType` با پارامتر "medium"
   b. استفاده از بلوک `movementStop`
   c. استفاده از بلوک `brightness` با مقدار 0

چالش تکمیلی: ایجاد یک سیستم امتیازدهی که بر اساس نوع و تعداد اشیاء شناسایی شده امتیاز جمع‌آوری کند.

سطح پیشرفته

7. اتوپایلوت با یادگیری تقلیدی

هدف: پیاده‌سازی سیستم اتوپایلوت پیشرفته با استفاده از مدل‌های یادگیری تقلیدی OpenBot مهارت‌های آموزشی: کار با مدل‌های هوش مصنوعی پیشرفته، درک یادگیری تقلیدی، تنظیم پارامترهای مدل

1. استفاده از بلوک `start`
2. استفاده از بلوک `display_sensors` برای نمایش `battery_voltage`
3. استفاده از ساختار شرطی `if`
4. در قسمت شرط: `battery_voltage` > 7.5
5. در بخش if:
   a. استفاده از بلوک `autopilot` با مدل "CIL-Mobile-Cmd"
   b. تنظیم پارامتر confidence threshold به 0.8
   c. تنظیم پارامتر max speed به 150
   d. افزودن بلوک `sound.tone` با پارامتر "beep"
6. در بخش else:
   a. استفاده از بلوک `soundType` با پارامتر "low"
   b. استفاده از بلوک `movementStop`
   c. استفاده از بلوک `display_status` با پیام "ولتاژ باتری ناکافی"

چالش تکمیلی: افزودن یک سیستم نظارت که عملکرد اتوپایلوت را ارزیابی کرده و در صورت نیاز مداخله کند.

8. سیستم SLAM ساده با نقشه‌برداری محیط

هدف: پیاده‌سازی یک سیستم مکان‌یابی و نقشه‌برداری همزمان (SLAM) ساده مهارت‌های آموزشی: ادغام داده‌های چندگانه حسگرها، الگوریتم‌های نقشه‌برداری، مفاهیم SLAM

1. تعریف آرایه دوبعدی `map[20][20]` برای ذخیره‌سازی نقشه
2. تعریف متغیرهای `posX = 10`, `posY = 10`, `orientation = 0`
3. استفاده از بلوک `start`
4. استفاده از بلوک `forever`:
   a. بروزرسانی موقعیت با استفاده از داده‌های `wheelOdometerSensors`
   b. به‌روزرسانی نقشه با داده‌های `ultrasonicSensor`
   c. استفاده از بلوک `display_map` (سفارشی) برای نمایش نقشه جاری
   d. استفاده از بلوک `navigateToUnexplored` (سفارشی) برای حرکت به نواحی کاوش‌نشده
   e. افزودن بلوک `wait` با مقدار 100ms

چالش تکمیلی: پیاده‌سازی یک الگوریتم مسیریابی که بتواند کوتاه‌ترین مسیر را بین دو نقطه در نقشه ایجادشده پیدا کند.

9. سیستم ناوبری مبتنی بر دید کامپیوتری با PilotNet

هدف: ایجاد یک سیستم ناوبری پیشرفته با استفاده از مدل PilotNet و دوربین مهارت‌های آموزشی: پردازش تصویر، کار با مدل‌های یادگیری عمیق، هماهنگی سیستم‌های بینایی و حرکتی

1. استفاده از بلوک `start`
2. استفاده از بلوک `camera_initialization` با تنظیم resolution = "640x480"
3. استفاده از بلوک `model_initialization` با پارامتر "PilotNet-Goal"
4. استفاده از بلوک `display_status` با پیام "سیستم ناوبری آماده"
5. تعریف هدف با بلوک `set_goal_coordinates` با مختصات x=50, y=100
6. استفاده از بلوک `forever`:
   a. استفاده از بلوک `camera_process` برای پردازش تصویر جاری
   b. استفاده از بلوک `navigateForwardAndLeft` با مدل "PilotNet-Goal"
   c. استفاده از ساختار شرطی برای بررسی رسیدن به هدف
   d. استفاده از بلوک‌های واکنش مناسب برای موانع شناسایی‌شده

چالش تکمیلی: اضافه کردن قابلیت شناسایی و دنبال کردن یک هدف متحرک با استفاده از دوربین.

10. سیستم ربات گروهی با ارتباط بلوتوث

هدف: پیاده‌سازی یک سیستم چند رباتی که با یکدیگر ارتباط برقرار کرده و همکاری می‌کنند مهارت‌های آموزشی: ارتباطات بی‌سیم، الگوریتم‌های رفتار گروهی، هماهنگی چندعاملی

1. تعریف پارامترهای ارتباطی: `deviceID`, `groupID`, `role` (leader/follower)
2. استفاده از بلوک `start`
3. استفاده از بلوک `bluetooth_initialization` با پارامترهای تعریف‌شده
4. استفاده از ساختار شرطی برای تعیین رفتار بر اساس نقش:
   a. برای "leader":
      i. استفاده از بلوک `objectDetection` برای شناسایی مسیر
      ii. محاسبه مسیر بهینه
      iii. ارسال اطلاعات مسیر به پیروان با بلوک `bluetooth_send`
      iv. حرکت در مسیر با بلوک‌های حرکتی مناسب
   b. برای "follower":
      i. دریافت اطلاعات از رهبر با بلوک `bluetooth_receive`
      ii. محاسبه مسیر نسبی بر اساس داده‌های دریافتی
      iii. حرکت در مسیر محاسبه‌شده با فاصله مناسب
5. استفاده از بلوک `collision_avoidance` برای جلوگیری از برخورد ربات‌ها

چالش تکمیلی: طراحی یک الگوریتم پیشرفته برای تشکیل الگوهای گروهی متحرک مانند دسته پرندگان یا ماهی‌ها.