Per què és important? Per desencadenar la creativitat a totes les edats, és difícil superar Lego, l’últim testimoni donat per Daniel West, creador de la màquina de classificació universal LEGO. Combinant maons de Lego, motors i un Raspberry Pi, AI crea el que crea és que pot classificar cada peça de Lego que la companyia hagi fabricat en 18 cubs diferents en funció de la seva categoria, de manera que pot utilitzar l’ús “Universal” al seu nom.

Cansat de trencar els Legos? Segons sembla, Occident. I encara que no ho sigueu, és una bona idea fer una ullada a la seva creació que va alinear els maons de Lego, mentre que va ser construït a partir de més de 10.000 peces de Lego, 6 motors de lego i 9 servos.

Daniel reconeix dos esforços similars fets en el passat i es refereix a la seva màquina com "el següent pas d'aquesta línia evolutiva". També diu que el seqüenciador de Lego pot reconèixer qualsevol peça de Lego produïda mai, encara que la seva màquina no l’hagi vist mai.

L’ordenació de Legos és un procés de tres passos que comença posant una col·lecció mixta de peces de Lego a la galleda d’entrada. Aquests es porten a través de les cintes transportadores a un alimentador de vibracions que es sacseja entre si per proporcionar un flux net i consistent a l'escàner.

A continuació, una càmera grava un flux de vídeo de la peça de Lego passant per l’escàner, després del qual un Raspberry Pi processa les imatges i transfereix les imatges al portàtil de Daniel.




Mitjançant una tècnica d’intel·ligència artificial anomenada xarxa neuronal convolucional, les imatges preses s’utilitzen per classificar la peça de lego per categoria i els resultats s’envien a la màquina. A partir d’aquí, una sèrie de portes al distribuïdor s’obren i es tanquen per dirigir les peces de Lego cap a un dels divuit cubs de sortida.




La màquina de Daniel pot identificar i classificar un maó Lego cada dos segons de tot el catàleg de prop de 3.000 peces Lego diferents.




Gràcies als models 3D disponibles en llocs com Rebrickable, Daniel AI va poder entrenar molt més ràpidament i li va exigir que utilitzés només fotos de lego reals per millorar encara més el seu algorisme. També agraeix Blender, TensorFlow i Raspberry Pi per fer possible aquest projecte.