←Статьи Kerneu Group / Статьи / Как научить модель различать движения: ИИ на занятиях LEGO Education

Программирование и ИИ · 9 ноября 2026

Как научить модель различать движения: ИИ на занятиях LEGO Education

Камера замечает движение, программа определяет его класс, модель выполняет действие. Разбираемся, как связаны данные, алгоритм и конструкция.

Ученики на занятии LEGO Education в классе
Изображение LEGO Education

Ученик поднимает руку, и собранная модель начинает двигаться. Меняет позу — действие меняется. За таким коротким взаимодействием стоят несколько процессов: камера получает изображение, система определяет положение частей тела, а программа использует эти данные для выбора действия.

Этот сюжет помогает объяснить ИИ для школьников через наблюдаемую задачу. Ученик может связать собственное движение с данными и увидеть, как они участвуют в работе созданной им конструкции.

Что компьютер получает от движения

Человек воспринимает позу целиком. Для компьютерной системы её можно представить набором координат характерных точек тела. Эти точки описывают положение плеч, локтей, кистей и других частей тела в рамках возможностей выбранной технологии.

С таким представлением можно работать как с данными. Например, сравнивать взаимное положение точек или определять, к какому из изучаемых вариантов ближе новое наблюдение.

В материалах LEGO Education Computer Science & AI описываются сценарии компьютерного зрения и работа с данными о позах. Это даёт понятную основу для знакомства с классификацией: система относит входные данные к определённой категории.

Где заканчивается правило и начинается модель

Для объяснения полезно рассмотреть два подхода. В первом программист задаёт условие самостоятельно: если выбранная координата удовлетворяет правилу, выполнить действие. Во втором используются примеры данных, по которым строится классификация.

Оба подхода можно обсуждать на одной понятной задаче. Какие сведения нужны программе, чтобы различать два положения рук? Достаточно ли одного признака? Что произойдёт, если человек повернётся боком?

Такие вопросы раскрывают устройство технологии лучше, чем общее описание «компьютер понимает человека». Учащиеся рассматривают конкретный вход, способ его обработки и наблюдаемый результат.

Почему примеры должны различаться

Представим учебный проект с двумя классами движений. Если все примеры одного класса записаны почти одинаково, система получает ограниченное представление о возможных вариантах.

Для обсуждения можно предложить мысленный эксперимент: в одном случае человек стоит близко к камере, в другом — дальше. Поза похожа, но изображение изменилось. Какие признаки нужно сохранить, чтобы различать движения по смыслу задачи?

В практической работе условия и доступные операции определяются выбранным приложением. При этом сам вопрос универсален: какие данные использованы и насколько новая ситуация похожа на примеры, с которыми работала система?

Как связать распознавание с физической моделью

В образовательном проекте результат классификации может становиться событием для программы. Дальше включаются знакомые понятия: условия, последовательности действий и повторения.

Например, можно спроектировать механическую фигуру, которая выполняет разные движения в ответ на разные входные сигналы. Один участник команды отвечает за конструкцию, другой — за связь между событием и действием, третий — за проверку сценария.

Так в одном проекте соединяются программирование, обработка данных и механика. Учащиеся видят всю цепочку: от движения перед камерой до вращения двигателя в модели. Конкретный вариант собирают в рамках возможностей набора и программной среды.

Что можно обсуждать после запуска

Интерес представляет не только удачное срабатывание. Можно сравнить работу при разных положениях человека, обсудить неоднозначные примеры и посмотреть, насколько отчётливо разделены выбранные классы.

Вместо общего вопроса «хорошо ли работает ИИ» появляется конкретный: различает ли система именно те движения, которые нужны для проекта? Такой подход помогает формировать привычку проверять технологию в условиях её применения.

Для знакомства с ИИ не требуется сразу переходить к сложной математике нейросетей. Начать можно с доступной связи между данными и решением, постепенно добавляя новые понятия по мере подготовки класса.

Как это связано со школьной информатикой

LEGO Education Computer Science & AI объединяет работу с физическими моделями, программированием и темами данных. В зависимости от возрастного решения учащиеся знакомятся с разными элементами программной логики.

Для школьного кабинета такой подход интересен возможностью связать несколько тем в одном наблюдаемом действии. Условия перестают быть только конструкцией в редакторе кода: от их выполнения зависит поведение предмета на столе.

Посмотрите образовательные решения Kerneu Group и каталоги LEGO Education, чтобы познакомиться с оборудованием для программирования и STEM-занятий в Казахстане.

  • ИИ для школьников
  • LEGO Education Computer Science & AI
  • распознавание движений
  • искусственный интеллект в школе
  • обучение программированию
  • LEGO Education
  • искусственный интеллект для детей
  • машинное обучение в школе
  • LEGO Education в Казахстане
  • STEM-образование
  • Kerneu Group

Другие статьи

Обсудим ваш проект

Расскажите, какое помещение или задачу нужно оснастить. Укажите организацию, город и желаемые сроки. Мы уточним требования и подготовим предложение.

Поля со звёздочкой (*) обязательны. Отправляя заявку, вы соглашаетесь на обработку контактных данных для подготовки коммерческого предложения.