Physical AI Experience Platform
آزمایشگاه تجربه عملی هوش مصنوعی
نسل جدید آموزش هوش مصنوعی که در آن دانشآموز فقط مفاهیم AI را حفظ نمیکند؛ بلکه رفتار واقعی هوش مصنوعی را در دنیای فیزیکی مشاهده، آزمایش و طراحی میکند. تمرکز این مسیر آموزشی بر AI قابل لمس، بینایی ماشین، Edge AI، تعامل هوشمند و تجربه عملی آینده فناوری است.
AI Discovery
ورود جذاب کودکان به دنیای واقعی هوش مصنوعی
گروه سنی۹ تا ۱۱ سال
رویکردتجربی و تعاملی
هدفدرک رفتار AI
خروجیتجربه AI قابل لمس
پیام اصلی دوره
«هوش مصنوعی میتواند ببیند، تشخیص دهد و واکنش نشان دهد.»
Vision AI
- تشخیص چهره
- تشخیص رنگ
- تحلیل تصویر
- تشخیص حرکت
پروژه:
AI دنبالکننده توپ رنگی
Interactive AI
- واکنش به صدا
- تعامل انسان و AI
- تشخیص دستورات
- رفتار هوشمند
پروژه:
دستیار صوتی فیزیکی
Decision AI
- تشخیص مانع
- تحلیل فاصله
- جلوگیری از برخورد
- تصمیمگیری AI
پروژه:
AI جلوگیری از برخورد
AI Creator
ساخت سیستمهای واقعی هوش مصنوعی توسط نوجوانان
گروه سنی۱۲ تا ۱۶ سال
رویکردپروژهمحور
هدفساخت AI واقعی
خروجیComputer Vision + Edge AI
پیام اصلی دوره
«تو میتوانی سیستمهای واقعی AI بسازی.»
Computer Vision
- Object Detection
- تشخیص انسان
- تشخیص اشیاء
- تحلیل محیط
پروژه:
AI دنبالکننده انسان
Learning AI
- Dataset
- Training
- Inference
- مدلهای AI
پروژه:
سیستم تشخیص اشیاء سفارشی
Physical AI
- Navigation
- حرکت هوشمند
- تحلیل مسیر
- واکنش AI
پروژه:
Smart Delivery AI
AI Engineering Lab
مسیر تخصصی طراحی و مهندسی سیستمهای حرفهای AI
گروه سنی۱۷ سال به بالا
رویکردمهندسی و صنعتی
هدفتوسعه AI واقعی
خروجیEdge AI + Deployment
پیام اصلی دوره
«فقط از AI استفاده نکن؛ AI بساز.»
Edge AI
- Real-time AI
- Streaming
- Edge Computing
- AI Pipeline
پروژه:
Real-time Vision System
Computer Vision Engineering
- TensorFlow Lite
- OpenCV
- Tracking
- Object Detection
پروژه:
Smart Navigation AI
Industrial AI
- MLOps
- Deployment
- Optimization
- Industrial AI
پروژه:
AI Industrial Agent
تفاوت ما با آموزش رباتیک سنتی
در این پلتفرم، تمرکز اصلی بر مونتاژ قطعات یا خودروهای خودران نیست. هدف اصلی، تجربه واقعی مفاهیم هوش مصنوعی در دنیای فیزیکی است. دانشآموز رفتار AI را مشاهده میکند، مدل را آموزش میدهد و نتیجه آن را بهصورت واقعی تجربه میکند.
آموزش سنتی
- تمرکز روی مونتاژ و سیمکشی
- پروژههای تکراری
- فهم محدود AI
- رباتیک خشک و سنتی
Physical AI Lab
- تمرکز کامل روی AI واقعی
- AI قابل لمس
- بینایی ماشین و Edge AI
- تجربه عملی فناوری آینده