Il laboratorio si sviluppa come una sfida pratica focalizzata, divisa in due parti da due ore ciascuna:
Prima Parte: Organizzazione e Addestramento (2 Ore)
● Il contesto (Smart Logistics): Introduzione al funzionamento dei moderni centri di smistamento automatizzati. Come fanno i robot a sapere dove portare i pacchi?
● Creazione del Dataset visivo: I docenti disegnano o stampano cartoncini con forme geometriche ben distinte che rappresentano le priorità di spedizione:
1. Triangolo (Merce Fragile).
2. Cerchio (Merce Urgente).
● L'allenamento dell'IA: Tramite la webcam del PC, i docenti istruiscono l'algoritmo a blocchi a riconoscere al volo le forme mostrando i cartoncini, sperimentando i principi base del Machine Learning.
Seconda Parte: Alvik Smistatore in Azione (2 Ore)
● Il Codice di Movimento: I docenti collegano le risposte dell'IA ai motori e ai LED di Arduino Alvik. Il robot deve reagire ai comandi visivi inviati dal computer:
○ Se l'IA riconosce Triangolo (Fragile) :Alvik si muove in avanti con cautela (velocità ridotta), imposta i LED su Giallo e si ferma nell'area di stoccaggio dedicata.
○ Se l'IA riconosce Cerchio (Urgente):Alvik accelera la marcia in avanti, imposta i LED su Verde e fa una rotazione per indicare la consegna rapida.
○ Se il sensore di distanza (Time of Flight - ToF) rileva un ostacolo imprevisto sulla pista.Il robot blocca subito i motori e fa lampeggiare i LED di Rosso (blocco linea di sicurezza).
● Riflessione didattica: Analisi dei problemi di inquadratura o di luce che possono confondere l'IA, per mostrare come spiegare agli alunni che le macchine dipendono sempre dalla precisione dei dati umani.
Livelli di Competenza (DigCompEdu)
Livello in Uscita: B2 (Esperto)
Il docente sa progettare micro-attività laboratoriali capaci di unire in poco tempo la geometria piana (forme) con la logica computazionale e i fondamenti dell'Intelligenza Artificiale.
Mappatura delle Competenze Specifiche
Area DigCompEdu
Competenza Core
Obiettivo Formativo del Modulo
Area 2: Risorse Digitali
Creare e modificare risorse
Saper associare categorie geometriche (forme) a variabili di movimento e di colore dei LED sul robot Alvik.
Area 3: Insegnamento
Pratiche di insegnamento
Saper strutturare una sessione intensiva di 4 ore alternando momenti di spiegazione logica a test pratici in pista.
Area 6: Competenze studenti
AI & Data Literacy
Fornire ai docenti le chiavi per spiegare agli alunni l'uso dell'IA nei servizi reali di automazione e spedizione merci.
Articolazione Oraria (Modulo da 4 Ore)
● Ora 1: Concetto di logistica intelligente e scomposizione del problema. Preparazione del set di cartoncini geometrici (Dataset).
● Ora 2: Addestramento e validazione del modello di Machine Learning (Triangolo/Cerchio) tramite webcam.
● Ora 3: Programmazione delle reazioni di Alvik a blocchi (calibrazione velocità motori, colori dei LED di stato e logica del sensore di distanza ToF).
● Ora 4: Test pratico di simulazione magazzino, risoluzione degli errori logici di movimento (debugging) e condivisione delle schede didattiche pronte per la classe.
