ഈ പര്യവേഷണത്തിൽ, AI വിഷന് ബാരലുകളും ഏപ്രിൽ ടാഗുകളും എത്രത്തോളം ദൂരത്തും വീതിയിലും കണ്ടെത്താൻ കഴിയുമെന്ന് പരീക്ഷിച്ചുകൊണ്ട് വിദ്യാർത്ഥികൾ AI വിഷൻ സെൻസറിന്റെ വ്യൂ ഫീൽഡ് നിർണ്ണയിക്കും. 

കാഴ്ചാ മണ്ഡലം അടയാളപ്പെടുത്തുന്നതിന് ആവശ്യമായ വസ്തുക്കൾ വിദ്യാർത്ഥികൾക്ക് ഉണ്ടെന്ന് ഉറപ്പാക്കുക. ആദ്യം ഫീൽഡ് ഓഫ് വ്യൂ – ബാരൽസ് ടാസ്‌ക് കാർഡ്  (Google / .docx / .pdf) വിതരണം ചെയ്യുക. വീഡിയോയിൽ കാണിച്ചിരിക്കുന്നതുപോലെ പേപ്പർ, പേനകൾ, ഒരു ഫീൽഡ്, മാസ്കിംഗ് ടേപ്പ് അല്ലെങ്കിൽ വെറ്റ്-ഇറേസ് മാർക്കറുകൾ, ചാർട്ട് പേപ്പർ, മാർക്കറുകൾ, അല്ലെങ്കിൽ നിങ്ങൾക്കും നിങ്ങളുടെ വിദ്യാർത്ഥികൾക്കും ഏറ്റവും അനുയോജ്യമായ ഏത് കോമ്പിനേഷനും ഉപയോഗിക്കാം. ഈ പര്യവേക്ഷണം പൂർത്തിയാകുമ്പോൾ, അവർക്ക് അവരുടെ കാഴ്ച മണ്ഡലത്തിന്റെ കോൺ അളക്കേണ്ടതുണ്ട്, കൂടാതെ ഒരു പ്രൊട്രാക്റ്റർ ആവശ്യമായി വരും. 

വിദ്യാർത്ഥികൾ അവരുടെ കോണീയ അളവുകൾ പങ്കിടുമ്പോൾ, ഇരു ദിശകളിലേക്കും 2 ഡിഗ്രി പരിധിയുള്ള 73° യിൽ സംഖ്യകൾ പ്രതീക്ഷിക്കുക. വെളുത്ത പ്രതലവും തിളക്കമുള്ള വെളിച്ചവുമുള്ള ഒരു നിയന്ത്രിത പരിതസ്ഥിതിയിലാണ് ഈ മൂല്യം രേഖപ്പെടുത്തിയത് - നിങ്ങളുടെ ക്ലാസ് മുറിയിൽ നിന്ന് അല്പം വ്യത്യസ്തമായ ഫലങ്ങൾ ലഭിച്ചേക്കാം. ഗ്രൂപ്പുകൾ പ്രതീക്ഷിക്കുന്ന പരിധിക്ക് പുറത്താണെങ്കിൽ, നടപടിക്രമങ്ങൾ ശരിയായി പാലിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കാൻ അവരുടെ പരിശോധനാ പ്രക്രിയ വീണ്ടും സന്ദർശിക്കാൻ അവരെ പ്രോത്സാഹിപ്പിക്കുക.

വിദ്യാർത്ഥികൾ ഒരു ബാരൽ ഉപയോഗിച്ച് അവരുടെ വ്യൂ ഫീൽഡ് പൂർത്തിയാക്കിക്കഴിഞ്ഞാൽ, ഫീൽഡ് ഓഫ് വ്യൂ - ഏപ്രിൽ ടാഗ്സ് ടാസ്ക് കാർഡ് (Google / .docx / .pdf) വിതരണം ചെയ്യുക. ഗ്രൂപ്പുകൾ രണ്ട് കാഴ്ചപ്പാടുകളും വ്യക്തമായി വേർതിരിച്ചറിയണം. നിങ്ങൾക്ക് ലഭ്യമായ മെറ്റീരിയലുകൾ ഉപയോഗിച്ച് ഈ പ്രവർത്തനം എങ്ങനെ നടപ്പിലാക്കാം എന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ ആശയങ്ങൾക്ക്, PD+ കമ്മ്യൂണിറ്റിയിൽ ബന്ധപ്പെടുക.

വിദ്യാർത്ഥികൾ ഈ പ്രവർത്തനം പൂർത്തിയാക്കുമ്പോൾ മുറിക്ക് ചുറ്റും ചുറ്റിനടക്കുക. ഇനിപ്പറയുന്നതുപോലുള്ള ചോദ്യങ്ങൾ വിദ്യാർത്ഥികളോട് ചോദിക്കുക:

• റോബോട്ടിൽ നിന്ന് ഒരു വസ്തു നീക്കുമ്പോൾ അത് കണ്ടെത്തുന്നതിൽ നിങ്ങൾ എന്താണ് ശ്രദ്ധിക്കുന്നത്?
• നിങ്ങളുടെ ഡാറ്റ നിങ്ങളുടെ അനുമാനവുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ? AI വിഷന്റെ കാഴ്ചാ മണ്ഡലത്തെക്കുറിച്ച് നിങ്ങൾ എന്താണ് കണ്ടെത്തിയത്?
• ഒരു ബാരൽ കണ്ടെത്തുമ്പോഴുള്ള വ്യൂ ഫീൽഡും ഏപ്രിൽ ടാഗും തമ്മിൽ വ്യത്യാസമുണ്ടോ? എന്തുകൊണ്ടാണ് അങ്ങനെ എന്ന് നിങ്ങൾ കരുതുന്നു?

ഈ പര്യവേഷണത്തിൽ, വ്യത്യസ്ത പ്രകാശ സാഹചര്യങ്ങൾ AI വിഷനെ എങ്ങനെ ബാധിക്കുന്നുവെന്ന് വിദ്യാർത്ഥികൾ നിർണ്ണയിക്കും. 

റോബോട്ടിന് ചുറ്റുമുള്ള ലൈറ്റിംഗ് പരിഷ്കരിക്കുന്നതിന് ആവശ്യമായ വസ്തുക്കൾ വിദ്യാർത്ഥികൾക്ക് ഉണ്ടെന്ന് ഉറപ്പാക്കുക. ആദ്യം ടാസ്‌ക് കാർഡ്  (Google / .docx / .pdf) വിതരണം ചെയ്യുക. പ്രകാശ സ്രോതസ്സ് (ക്ലാസ് മുറിയിലെ ലൈറ്റുകൾ, ജനാലകൾ, ഫ്ലാഷ്‌ലൈറ്റുകൾ), ലൈറ്റിംഗിന്റെ നിറം (ഊഷ്മളമായ, തിളക്കമുള്ള, നിറമുള്ള), തെളിച്ചം (റോബോട്ടിനെ ഇരുണ്ടതാക്കാൻ മൂടുക, കൂടുതൽ വെളിച്ചം ചേർക്കുക) അല്ലെങ്കിൽ മറ്റ് ആശയങ്ങൾ എന്നിവ മാറ്റിക്കൊണ്ട് ലൈറ്റിംഗ് പരിഷ്കരിക്കാവുന്നതാണ്. ഏതൊക്കെ ഘടകങ്ങളാണ് പരീക്ഷിക്കേണ്ടതെന്ന് നിർണ്ണയിക്കാൻ വിദ്യാർത്ഥികൾക്ക് സഹായം ആവശ്യമുണ്ടെങ്കിൽ, സാധ്യതയുള്ള ഘടകങ്ങളുടെ ഒരു ചെറിയ പട്ടിക അവർക്ക് നൽകുക.

വിദ്യാർത്ഥികൾ ഓരോ വേരിയബിളും പരിശോധിക്കുമ്പോൾ, അവർ രേഖപ്പെടുത്തണം: ലൈറ്റിംഗ് ഫാക്ടർ മാറ്റുന്നത്, ബാരലിന്റെ സ്ഥാനം, അത് കണ്ടെത്തിയോ, AI വിഷൻ അതിന്റെ നിറം ശരിയായി തിരിച്ചറിയുന്നുണ്ടോ.

വിദ്യാർത്ഥികൾ ഈ പര്യവേക്ഷണം പൂർത്തിയാക്കുമ്പോൾ മുറിക്ക് ചുറ്റും ചുറ്റിനടക്കുക. ഇനിപ്പറയുന്നതുപോലുള്ള ചോദ്യങ്ങൾ വിദ്യാർത്ഥികളോട് ചോദിക്കുക:

• റോബോട്ടിന് അടുത്തായിരിക്കുമ്പോൾ ബാരൽ കണ്ടെത്തുന്നതിനെ ലൈറ്റിംഗ് എങ്ങനെ ബാധിക്കുന്നു? അത് കൂടുതൽ അകലെയാകുമ്പോൾ?
• ഏത് ലൈറ്റിംഗ് വേരിയബിളാണ് കണ്ടെത്തലിനെ ഏറ്റവും കൂടുതൽ സ്വാധീനിച്ചത്? എന്തുകൊണ്ടാണ് അത് ഇത്ര വലിയ സ്വാധീനം ചെലുത്തിയതെന്ന് നിങ്ങൾ കരുതുന്നു? 
• വെളിച്ചം കാഴ്ചയെ എങ്ങനെ ബാധിക്കുന്നു? AI വിഷനെ സ്വാധീനിക്കുന്ന ഘടകങ്ങൾ മനുഷ്യർ എന്ന നിലയിൽ നമ്മുടെ കാഴ്ചപ്പാടുമായി പൊരുത്തപ്പെടുന്നുണ്ടോ അതോ വ്യത്യസ്തമാണോ?

ഈ പര്യവേഷണത്തിൽ, AI വിഷൻ സെൻസറിനെ കബളിപ്പിക്കാൻ വ്യത്യസ്ത വസ്തുക്കൾ എങ്ങനെ ഉപയോഗിക്കാമെന്ന് വിദ്യാർത്ഥികൾ അന്വേഷിക്കും. AI വിഷൻ കാർഗോ, ഏപ്രിൽ ടാഗുകൾ അല്ലെങ്കിൽ മറ്റൊരു റോബോട്ട് എന്നിവയായി റിപ്പോർട്ട് ചെയ്യുന്നതിനെക്കുറിച്ച് അവർ അനുമാനങ്ങൾ ഉണ്ടാക്കും, തുടർന്ന് ആ അനുമാനങ്ങൾ പരിശോധിച്ച് അവരുടെ ഡാറ്റ രേഖപ്പെടുത്തും.

AI വിഷൻകബളിപ്പിക്കാൻ ആവശ്യമായ വസ്തുക്കൾ വിദ്യാർത്ഥികളുടെ പക്കലുണ്ടെന്ന് ഉറപ്പാക്കുക. ആദ്യം ടാസ്‌ക് കാർഡ് (Google / .docx / .pdf) വിതരണം ചെയ്യുക. ഈ പര്യവേഷണത്തിന് വൺ സ്റ്റിക്ക് കൺട്രോളർ, വസ്തുക്കളുടെ നിർമ്മാണ പേപ്പർ പുനർനിർമ്മാണങ്ങൾ, ബാരലുകൾ പോലുള്ള മൂലകങ്ങളുടെ പ്രിന്റൗട്ടുകൾ അല്ലെങ്കിൽ ക്ലാസ് മുറിയിലെ മറ്റ് വസ്തുക്കൾ എന്നിവ പോലുള്ള വൈവിധ്യമാർന്ന വസ്തുക്കൾ ഉപയോഗിക്കാം. ക്ലാസ് മുറിയിലെ വസ്തുക്കൾ ആദ്യം കണ്ടെത്താൻ സാധ്യതയുള്ളവയിൽ, പുതിയ വസ്തുക്കൾ സൃഷ്ടിക്കുന്നതിന് മുമ്പ്, അവ പരീക്ഷിക്കാൻ വിദ്യാർത്ഥികളെ പ്രോത്സാഹിപ്പിക്കുക.

ഈ പര്യവേക്ഷണത്തിനായി AI വിഷൻ യൂട്ടിലിറ്റി ഉപയോഗിക്കാൻ വിദ്യാർത്ഥികളെ പ്രോത്സാഹിപ്പിക്കുക. വിദ്യാർത്ഥികൾ പരീക്ഷിക്കുമ്പോൾ, അവർക്ക് ട്രിക്ക് ഒബ്‌ജക്റ്റ് കാണാനും AI വിഷൻ സെൻസർ എന്താണ് റിപ്പോർട്ട് ചെയ്യുന്നതെന്ന് കാണാനും കഴിയും.

വിദ്യാർത്ഥികൾ ഈ പര്യവേക്ഷണം പൂർത്തിയാക്കുമ്പോൾ മുറിക്ക് ചുറ്റും ചുറ്റി സഞ്ചരിക്കുക. ഇനിപ്പറയുന്നതുപോലുള്ള ചോദ്യങ്ങൾ വിദ്യാർത്ഥികളോട് ചോദിക്കുക:

• സ്പോർട്സ് ബോളുകളും ബാരലുകളുമായാണ് വസ്തുക്കളെ കണ്ടെത്തുന്നതിനെക്കുറിച്ച് നിങ്ങൾ എന്ത് പാറ്റേണുകളാണ് കാണുന്നത്? എന്തുകൊണ്ടാണ് അങ്ങനെ എന്ന് നിങ്ങൾ കരുതുന്നു?
• മറ്റുള്ളവയേക്കാൾ കൂടുതൽ തവണ കണ്ടെത്തപ്പെടുന്ന ഒരു വസ്തുവുണ്ടോ? (അതായത് സ്പോർട്സ് ബോൾ, ഓറഞ്ച് ബാരൽ, നീല ബാരൽ)
• റോബോട്ടിൽ നിന്ന് കൂടുതൽ അടുത്തോ അകലെയോ ആയിരിക്കുമ്പോൾ ട്രിക്ക് വസ്തുക്കൾക്കിടയിൽ നിങ്ങളുടെ ഡാറ്റയിൽ വ്യത്യാസമുണ്ടോ? എന്തുകൊണ്ടാണ് അങ്ങനെ എന്ന് നിങ്ങൾ കരുതുന്നു?

ഈ പര്യവേഷണത്തിൽ, റോബോട്ട് ഉള്ള ഉപരിതലം AI വിഷനിൽ നിന്നുള്ള ഡാറ്റയെ എങ്ങനെ ബാധിക്കുമെന്ന് വിദ്യാർത്ഥികൾ അന്വേഷിക്കും. വസ്തുക്കൾ കണ്ടെത്തുന്നതിൽ ഉപരിതലത്തിന്റെ സ്വാധീനം (അല്ലെങ്കിൽ ഫലമില്ലായ്മ) സംബന്ധിച്ച് അവർ അനുമാനങ്ങൾ രൂപപ്പെടുത്തുകയും തുടർന്ന് അവരുടെ ആശയങ്ങൾ പരീക്ഷിക്കുകയും ഫലങ്ങൾ രേഖപ്പെടുത്തുകയും ചെയ്യും.

വ്യത്യസ്ത പ്രതലങ്ങൾ പരീക്ഷിക്കുന്നതിന് ആവശ്യമായ വസ്തുക്കൾ വിദ്യാർത്ഥികൾക്ക് ലഭിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുക. ആദ്യം ടാസ്‌ക് കാർഡ് (Google / .docx / .pdf) വിതരണം ചെയ്യുക. ഈ പര്യവേഷണത്തിന് വിവിധ ഓപ്ഷനുകൾ ഉപയോഗിക്കാം, അവയിൽ ചിലത്: (വ്യത്യസ്ത നിറങ്ങളിലും കനത്തിലുമുള്ള) കാർപെറ്റ്, ലിനോലിയം ടൈലുകൾ, കല്ല് തറ, മര തറ, മേശപ്പുറത്ത്, കണ്ണാടികൾ മുതലായവ. ക്ലാസ് മുറിയിൽ എവിടെ പോയി ആ ​​പ്രതലങ്ങൾ കണ്ടെത്തി പരിശോധിക്കാമെന്ന് വിദ്യാർത്ഥികൾക്ക് അറിയാമെന്ന് ഉറപ്പാക്കുക.

ഈ പര്യവേഷണ വേളയിൽ AI വിഷൻ യൂട്ടിലിറ്റി ഉപയോഗിക്കാൻ വിദ്യാർത്ഥികളെ പ്രോത്സാഹിപ്പിക്കുക. വിദ്യാർത്ഥികൾ പരീക്ഷിക്കുമ്പോൾ, വ്യത്യസ്ത പ്രതലങ്ങൾ കാണാനും റോബോട്ടിന്റെ AI വിഷൻ റിപ്പോർട്ട് ചെയ്യുന്ന കാര്യങ്ങൾ കാണാനും അവർക്ക് കഴിയും.

വിദ്യാർത്ഥികൾ ഈ പര്യവേക്ഷണം പൂർത്തിയാക്കുമ്പോൾ മുറിക്ക് ചുറ്റും ചുറ്റി സഞ്ചരിക്കുക. ഇനിപ്പറയുന്നതുപോലുള്ള ചോദ്യങ്ങൾ വിദ്യാർത്ഥികളോട് ചോദിക്കുക:

• നിങ്ങൾ പരീക്ഷിക്കുന്ന പ്രതലങ്ങൾ എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു? (നിറം, വലിപ്പം, പ്രതിഫലനം മുതലായവ).
• വ്യത്യസ്ത പ്രതലങ്ങൾ പരീക്ഷിക്കുമ്പോൾ നിങ്ങളുടെ ഡാറ്റയിൽ എന്തൊക്കെ പാറ്റേണുകളാണ് നിങ്ങൾ കാണുന്നത്? എന്തുകൊണ്ടാണ് അങ്ങനെ എന്ന് നിങ്ങൾ കരുതുന്നു?