کواسپیس (CoSpace) از صفر: آموزش و نکات مسابقه

انتشار: ۲ آبان ۱۴۰۵ · نویسنده: زدتک

کواسپیس (CoSpace) یکی از جذاب‌ترین لیگ‌های شبیه‌سازی برای دانش‌آموزان است؛ جایی که یک ربات مجازی در زمینی سه‌بعدی حرکت می‌کند، اهداف را جمع می‌کند و باید از موانع دوری کند. چون همه‌چیز در نرم‌افزار اتفاق می‌افتد، می‌توانید بدون خرید حتی یک قطعه، اصول واقعی رباتیک را یاد بگیرید. این مقاله شما را از صفر تا آمادگی مسابقه همراهی می‌کند.

کواسپیس چیست؟

کواسپیس یک محیط شبیه‌سازی رباتیک است که در آن ربات در یک دنیای مجازی سه‌بعدی قرار می‌گیرد. ربات حسگرهایی دارد که فاصله تا دیوارها و موانع، رنگ زمین زیر ربات و موقعیت آن را گزارش می‌دهند. وظیفه‌ی شما نوشتن برنامه‌ای است که با این داده‌ها تصمیم بگیرد: کجا برود، چه چیزی را جمع کند و چه زمانی دور شود.

جذابیت کواسپیس در این است که هم ساده شروع می‌شود و هم سقف بالایی دارد. یک مبتدی با چند شرط ساده ربات را به حرکت درمی‌آورد، و یک شرکت‌کننده‌ی حرفه‌ای با مسیریابی و استراتژی دقیق امتیاز را به حداکثر می‌رساند.

ساختار کلی مسابقه

در یک مسابقه‌ی معمول کواسپیس، زمین شامل اهداف قابل‌جمع‌آوری (معمولاً با رنگ یا شکل متفاوت)، موانع، مناطق خطر و یک ناحیه برای تحویل یا ثبت امتیاز است. ربات ظرفیت محدودی برای حمل دارد و زمان هر اجرا هم محدود است. جزئیات دقیق، مثل امتیاز هر نوع هدف یا جریمه‌ها، در قوانین رسمی هر دوره مشخص می‌شود و ممکن است تغییر کند.

مفاهیم پایه‌ای که باید بدانید

حسگرها

دو دسته‌ی اصلی حسگر در کواسپیس اهمیت دارند: حسگرهای فاصله (برای تشخیص دیوار و مانع) و حسگرهای رنگ (برای شناسایی اهداف و مناطق مختلف زمین). قبل از هر چیز، مقدار خروجی هر حسگر را در موقعیت‌های مختلف بررسی و یادداشت کنید.

موتورها و حرکت

ربات معمولاً با تنظیم سرعت چرخ چپ و راست حرکت می‌کند. سرعت برابر یعنی حرکت مستقیم، اختلاف سرعت یعنی چرخش. این مدل ساده که به آن «حرکت دیفرانسیلی» می‌گویند، پایه‌ی همه‌ی مانورهای شماست.

حلقه‌ی تصمیم‌گیری

برنامه‌ی ربات در یک حلقه‌ی دائمی اجرا می‌شود: داده‌ی حسگرها خوانده می‌شود، تصمیم گرفته می‌شود و فرمان به موتورها ارسال می‌شود. هرچه این حلقه منظم‌تر و منطقی‌تر باشد، ربات رفتار قابل‌پیش‌بینی‌تری دارد.

اولین برنامه: از حرکت ساده تا دوری از مانع

1. حرکت مستقیم: هر دو چرخ را با سرعت یکسان راه بیندازید و رفتار ربات را ببینید.
2. توقف کنار دیوار: اگر حسگر جلو فاصله‌ی کمی گزارش داد، ربات بایستد.
3. دور زدن مانع: به جای توقف، ربات به سمتی بچرخد که فاصله‌ی بیشتری دارد.
4. شناسایی هدف: وقتی حسگر رنگ، رنگ هدف را دید، ربات لحظه‌ای توقف کند تا هدف جمع شود.
5. بازگشت برای تحویل: وقتی ظرفیت پر شد، ربات به سمت ناحیه‌ی تحویل برود.

هر مرحله را جداگانه آزمایش کنید و فقط وقتی به مرحله‌ی بعد بروید که مرحله‌ی قبل همیشه درست کار کند.

از رفتار تصادفی تا استراتژی

بسیاری از تازه‌کارها رباتی می‌سازند که در زمین «پرسه می‌زند» و به‌طور اتفاقی اهداف را پیدا می‌کند. این روش برای شروع خوب است، اما در رقابت جدی کافی نیست. چند ایده برای ارتقا:

• دنبال‌کردن دیوار: حرکت در امتداد دیوار، پوشش منظم‌تری از زمین می‌دهد.
• اولویت‌بندی اهداف: اگر اهداف امتیاز متفاوتی دارند، برای اهداف پرارزش‌تر برنامه‌ریزی کنید.
• مدیریت ظرفیت و زمان: تصمیم بگیرید کی برگردید؛ ربات پر که دیر به ناحیه‌ی تحویل برسد، فرصت را هدر داده است.
• استفاده از موقعیت: اگر محیط مختصات ربات را گزارش می‌دهد، می‌توانید به جای حرکت کور، به سمت نقاط مشخص حرکت کنید.
• حالت‌های مختلف (State Machine): رفتار ربات را به حالت‌هایی مثل «جست‌وجو»، «جمع‌آوری»، «فرار از خطر» و «بازگشت» تقسیم کنید.

اشکال‌یابی هوشمندانه

وقتی ربات کار عجیبی می‌کند، حدس نزنید؛ اندازه بگیرید. مقادیر حسگرها را در لحظه‌ی خطا چاپ یا نمایش دهید. اغلب مشکل از یک آستانه‌ی نادرست است، مثلاً عددی که برای تشخیص مانع خیلی بزرگ یا خیلی کوچک انتخاب شده. هر تغییر را یکی‌یکی اعمال کنید تا بدانید کدام تغییر اثر داشته است.

کار تیمی و نظم در تمرین

اگر در قالب تیم شرکت می‌کنید، از همان ابتدا نقش‌ها را مشخص کنید. یک نفر می‌تواند مسئول تنظیم حسگرها و آستانه‌ها باشد، یکی روی منطق حرکت و مسیریابی کار کند و دیگری استراتژی کلی و مدیریت زمان را بررسی کند. البته همه باید کل برنامه را بفهمند تا روز مسابقه وابستگی به یک نفر وجود نداشته باشد.

نسخه‌های برنامه را با نام و تاریخ ذخیره کنید و در یک فایل ساده بنویسید هر نسخه چه تغییری داشته و نتیجه‌اش چه بوده است. بارها پیش می‌آید که تیمی یک تغییر «کوچک» می‌دهد و ربات ناگهان بدتر می‌شود؛ اگر نسخه‌ی قبلی سالم را داشته باشید، در چند ثانیه برمی‌گردید.

جلسات تمرین کوتاه و منظم، مثلاً چند جلسه‌ی یک‌ساعته در هفته، معمولاً از یک جلسه‌ی طولانی در شب قبل از مسابقه بسیار مؤثرترند. در پایان هر جلسه یک هدف مشخص برای جلسه‌ی بعد بنویسید.

چک‌لیست روز مسابقه‌ی کواسپیس

• آخرین نسخه‌ی قوانین را خوانده‌ام و امتیاز و جریمه‌ها را می‌شناسم.
• مقادیر آستانه‌ی حسگرها را در شرایط مختلف زمین تنظیم کرده‌ام.
• ربات در هیچ اجرای آزمایشی در گوشه یا کنار مانع گیر نکرده است.
• منطق بازگشت برای تحویل اهداف، قبل از تمام‌شدن زمان فعال می‌شود.
• یک نسخه‌ی پشتیبان سالم از برنامه نگه داشته‌ام.
• کد رهگیری و وضعیت احراز هویتم در زدتک را بررسی کرده‌ام.

مسیر بعدی بعد از کواسپیس

مهارت‌هایی که در کواسپیس یاد می‌گیرید، مثل کار با حسگرها، طراحی حالت‌ها و مسیریابی، مستقیماً در لیگ‌های ناوبری خودکار و ماز امداد به کار می‌آیند. اگر علاقه‌مند به هوش مصنوعی هستید، یادگیری تقویتی و خودروی خودران قدم بعدی هیجان‌انگیزی است. برای مرور همه‌ی لیگ‌ها هم راهنمای مسابقات رباتیک دانش‌آموزی را ببینید.