[论文解读] Teaching Autonomous Systems Hands-On: Leveraging Modular Small-Scale Hardware in the Robotics Classroom

Johannes Betz, Hongrui Zheng+9 more|arXiv (Cornell University)|Sep 21, 2022

Teaching and Learning Programming被引用 4

一句话总结

本文介绍了F1TENTH，这是一个模块化、小型化的自动驾驶车辆平台，专为高等教育中的自动驾驶系统实践教学而设计。通过将理论、仿真与真实硬件结合，以竞速考核为形式，该平台显著提升了学生的参与度和理解力，超过80%的学生表示学习动机得到增强，70%的学生表示对课程内容的理解有所提高。

ABSTRACT

Although robotics courses are well established in higher education, the courses often focus on theory and sometimes lack the systematic coverage of the techniques involved in developing, deploying, and applying software to real hardware. Additionally, most hardware platforms for robotics teaching are low-level toys aimed at younger students at middle-school levels. To address this gap, an autonomous vehicle hardware platform, called F1TENTH, is developed for teaching autonomous systems hands-on. This article describes the teaching modules and software stack for teaching at various educational levels with the theme of "racing" and competitions that replace exams. The F1TENTH vehicles offer a modular hardware platform and its related software for teaching the fundamentals of autonomous driving algorithms. From basic reactive methods to advanced planning algorithms, the teaching modules enhance students' computational thinking through autonomous driving with the F1TENTH vehicle. The F1TENTH car fills the gap between research platforms and low-end toy cars and offers hands-on experience in learning the topics in autonomous systems. Four universities have adopted the teaching modules for their semester-long undergraduate and graduate courses for multiple years. Student feedback is used to analyze the effectiveness of the F1TENTH platform. More than 80% of the students strongly agree that the hardware platform and modules greatly motivate their learning, and more than 70% of the students strongly agree that the hardware-enhanced their understanding of the subjects. The survey results show that more than 80% of the students strongly agree that the competitions motivate them for the course.

研究动机与目标

• 填补高等教育机器人课程中缺乏系统性真实硬件实践训练的空白。
• 开发一个可扩展、模块化的软硬件平台，适用于本科和研究生层次的自动驾驶基础教学。
• 以竞速比赛取代传统考试，提升学生的参与度和学习动机。
• 提供一套课程体系，将感知、规划与控制等理论概念与真实机器人系统的实际实现相衔接。
• 通过开源硬件与软件，支持长期教育与科研应用，促进广泛采用。

提出的方法

• 设计一个模块化、小型化的自动驾驶车辆平台（F1TENTH），采用标准化的软硬件组件，确保部署的一致性。
• 开发一个包含六个模块的课程结构，围绕三个主题组织：基础、高速驾驶与多车协同，逐步提升复杂度。
• 集成仿真环境（F1TENTH 2D模拟器），使学生能在真实部署前测试算法。
• 实施基于竞速的评估方式，学生将所开发的软件应用于真实的F1TENTH车辆上，取代传统考试。
• 使用开源工具与平台（openEdx、GitHub）分发课程资料、硬件搭建指南与软件栈。
• 在四所大学开展长期课程部署，并收集学生反馈以评估教育影响。

实验结果

研究问题

• RQ1 基于F1TENTH的真实硬件实践教学在多大程度上提升了学生在自动驾驶系统课程中的学习动机与参与度？
• RQ2 F1TENTH平台在提升学生对感知、规划与控制等核心自动驾驶概念理解方面有多有效？
• RQ3 与传统评估方式相比，基于竞速比赛的教育模式在机器人教育中具有怎样的教育价值？
• RQ4 F1TENTH平台在不同学术机构与教育层次中的可扩展性与可采用性如何？
• RQ5 真实硬件部署在培养学生计算思维与系统思维方面起到了怎样的作用？

主要发现

• 超过80%的学生强烈认同，F1TENTH硬件平台与实验模块极大地激发了他们的学习动机。
• 超过70%的学生强烈认同，硬件实践显著增强了他们对自动驾驶系统概念的理解。
• 尽管竞速比赛显著提升了学生动机，但仅有50%的学生强烈认同比赛本身增强了他们的学习成果，表明其教育价值在动机之外有限。
• F1TENTH平台已在四所大学成功应用于多个学年的学期课程中，证明了其可扩展性与可持续性。
• 开源发布硬件设计、软件栈与课程资料，已促成该平台在多所院校与研究项目中的广泛适配与复用。
• 该平台成功弥合了研究级自动驾驶系统与低端玩具级平台之间的鸿沟，提供了一套实用、模块化且可扩展的教学解决方案。