micro:bit 用 CreateAI 制作 AI 活动计时器项目

完整中文导读

micro:bit 官方发布 AI 活动计时器项目，用 micro:bit CreateAI 训练机器学习模型识别走路、跳跃和静止三种动作，再结合 MakeCode 程序把模型和代码下载到 micro:bit V2 上，佩戴后按 A 或 B 键查看各活动累计秒数。

中文整理

作者 / 来源：micro:bit · 原文时间未提供

原作者信息要点

材料介绍了一个使用 micro:bit CreateAI 制作 AI 活动计时器的项目，定位为易于个性化定制的入门项目，目标是训练机器学习模型识别佩戴者的不同动作，并结合 MakeCode 程序统计各活动时长。

项目需要 micro:bit V2、USB 数据线、装有两节 AAA 电池的电池包、可访问 micro:bit CreateAI 网站的电脑（Chrome 或 Edge 浏览器）；若电脑未启用蓝牙，需额外一块 micro:bit V2。另有面向 Apple iPad 和 Android 平板的 CreateAI 应用。还需表带与固定座，或用柔性手工铁丝、橡皮筋等把 micro:bit 固定到手腕。

CreateAI 项目预置了 walking、jumping、being still 三类数据样本。用户需用 micro:bit 的加速度计添加自己的动作样本。采集数据时，micro:bit 固定在右脚踝内侧、按钮 B 朝上；同一项目内所有样本必须保持相同佩戴位置，若要改变佩戴方式需替换全部数据样本。

训练与测试流程为：点击 Train model 训练模型，再测试走路、跳跃和静止是否被正确识别；也可让他人佩戴测试。改进模型时点击返回编辑数据样本，删除明显不符合同类动作的样本，补充自己和他人的更多样本；静止样本可包含细微动作，并在不同朝向下采集静止样本，以帮助模型区分动作。

将模型与代码部署到 micro:bit 的方式是：在 CreateAI 中点击 Edit in MakeCode 查看代码，可修改或直接使用；用 USB 线连接 micro:bit，在 MakeCode 中点击 Download 并按其说明传输 AI 模型和代码块。之后拔下 micro:bit、接上电池包、佩戴并测试。

操作方式为：按 A 键查看走路累计秒数，按 B 键查看跳跃累计秒数，同时按 A 和 B 查看静止累计秒数。重置计时器可按下 micro:bit 背面的复位按钮，或断开再重新连接电池包。

代码逻辑方面：程序用三个变量记录各活动时长，启动时将计时变量置 0；on ML... start 块在模型判定某活动开始时触发，并在 LED 显示对应图标；on ML... stop 块在模型判定活动结束时触发，清屏并把刚结束活动的时长累加到对应变量；on button... pressed 块显示各活动累计时长。计时以毫秒为单位，显示时除以 1000 转换为秒。

评估方法为三步：按复位按钮，跳跃 30 秒，按 B 键，显示屏应滚动出现接近 30 的数字。若要改进模型，点击 MakeCode 编辑器左上角箭头返回，添加更多数据样本并重新训练。

材料还建议与不使用机器学习的 Step counter 或 Sensitive step counter 项目比较，思考使用机器学习如何让项目更有用，以及 AI/ML 是否总是必要。扩展方向包括：为其他动作添加数据并用触摸 logo 按钮查看新动作的计时变量；添加声音块在不同活动被检测到时给出音频反馈；尝试用特定动作欺骗模型，或加入令人困惑的数据样本并评估其对模型的影响。

本站整理与观察

本站观察：该项目的核心流程可归纳为数据采集、模型训练与测试、迭代改进、部署到设备四个环节，其中数据样本的佩戴位置一致性和样本多样性被原作者反复强调。

本站观察：原作者将模型改进描述为迭代过程，并给出两类具体手段，一是删除与同类样本差异过大的数据，二是补充更多人和不同朝向的静止样本。

本站观察：材料把评估设计为可操作的 30 秒跳跃测试，并给出接近 30 的预期结果，但未提供不同人群或不同动作下的准确率数据。

本站观察：扩展部分提出的欺骗模型和加入困惑样本，属于探索性建议，材料未给出具体结果或结论。

材料为项目操作指南，未提供模型准确率、不同人群测试结果、样本数量与训练耗时等量化数据；预置样本的具体数量、CreateAI 与 MakeCode 的版本信息、兼容设备完整列表均未说明。扩展建议中的欺骗模型与困惑样本效果没有实测结论，本站观察仅为基于原文流程的归纳，不构成对实际性能的验证。