Waarom is het belangrijk? Om creativiteit op alle leeftijden te ontketenen, is het moeilijk om Lego te verslaan, het laatste bewijsmateriaal van Daniel West, de maker van de Universal LEGO Sorting Machine. Door legoblokjes, motoren en een Raspberry Pi te combineren, creëert AI wat het creëert, namelijk dat het elk Lego-stuk dat het bedrijf ooit heeft gemaakt in 18 verschillende emmers kan sorteren, afhankelijk van hun categorie, zodat het het 'universele' gebruik in zijn naam kan gebruiken.

Moe van het verscheuren van Lego? Het Westen was dat blijkbaar. En zelfs als je dat niet doet, is het een goed idee om eens te kijken naar zijn creatie die de Legostenen op een rijtje heeft gezet, terwijl hij werd gebouwd met meer dan 10.000 Legostukken, 6 legomotoren en 9 servo's.

Daniel erkent twee vergelijkbare inspanningen die in het verleden zijn gedaan en verwijst naar zijn machine als "de volgende stap in deze evolutionaire lijn". Hij zegt ook dat de Lego-sequencer elk Lego-stuk kan herkennen dat ooit is gemaakt, zelfs als zijn machine het nog nooit eerder heeft gezien.

Het sorteren van lego's is een proces in drie stappen dat begint met het plaatsen van een gemengde verzameling legostukken in de ingangsemmer. Deze worden vervolgens via transportbanden naar een vibrerende feeder gevoerd die elkaar schudt om een ​​schone en consistente stroom naar de scanner te leveren.

Een camera neemt vervolgens een videostream op van het Lego-stuk dat door de scanner gaat, waarna een Raspberry Pi het beeldmateriaal verwerkt en de beelden overzet naar Daniel's laptop.




Met behulp van een AI-techniek genaamd convolutioneel neuraal netwerk, worden de gemaakte afbeeldingen gebruikt om het legostuk per categorie te classificeren en worden de resultaten teruggestuurd naar de machine. Van daaruit gaan een reeks deuren bij de distributeur open en dicht om de legostukken in een van de achttien emmers te sturen.




Daniels machine kan elke twee seconden een Legoblokje identificeren en sorteren uit de hele catalogus van ongeveer 3.000 verschillende Legostukken.




Dankzij 3D-modellen die beschikbaar waren op sites als Rebrickable, kon Daniel AI veel sneller trainen en moest hij alleen echte legofoto's gebruiken om zijn algoritme verder te verbeteren. Hij bedankt ook Blender, TensorFlow en Raspberry Pi voor het mogelijk maken van dit project.