设计一个智能学习空间监测助手

你的项目是关于什么的?你为何决定制作它?它是如何运作的?

智能学习AI平台是一款集成了Arduino UNO Q、物理传感器、网页控制面板和人工智能的智能学习助手，旨在打造一个更加互动且响应灵敏的学习环境。

我决定制作这个项目，是因为作为学生，我深知长时间学习时保持专注是多么困难。有时我们会分心，长时间无所作为，甚至在不知不觉中继续在不舒适环境中学习。我希望创造一个不仅能提醒我“专注”，还能真正观察学习环境、理解当前状况并作出相应反应的系统。

该项目的核心是一台连接了PIR运动传感器、光敏电阻(LDR)和蜂鸣器的Arduino UNO Q。PIR传感器用于检测活动与静止状态，LDR则监测周围光照强度，而蜂鸣器会在重要事件发生时提供物理反馈。

在最终版本中，我放弃了原有的OLED显示屏和物理按钮，转而使用Arduino App Lab的WebUI构建主界面。这使得平台具备了更加灵活的仪表盘功能，用户可通过浏览器对整个系统进行控制和监控。

该系统通过多个相互连接的层级协同工作：

Arduino UNO Q的固件负责处理硬件设备、传感器、焦点会话状态、定时器、推荐信息以及蜂鸣器反馈。它持续监测研究环境，并记录用户的活动情况。

Arduino通过RouterBridge/RPClite与运行在UNO Q上的Linux端应用程序通信，将这些信息传递给App Lab应用。App Lab应用随后将数据暴露给WebUI，从而建立起物理设备与仪表盘之间的连接。

通过WebUI，用户可以实现以下功能：

- 启动、暂停、恢复和停止焦点会话

- 开始研究休息时间

- 监控运动活动

- 监测周围光照强度

- 查看会话时长和空闲时间

- 接收研究建议

- 查看当前AI状态

- 收到视觉和听觉反馈

正是AI推荐系统，使该项目不仅仅是一个传感器监控装置，而具有更强的功能性。该平台可利用App Lab的LLM模块，根据当前会话状态、活动情况、光照强度和空闲时间等信息，生成情境化的学习建议。

我还设计了AI作为增强功能，而非整个系统依赖的核心。当AI不可用或推理失败时，平台可回退至内置的基于规则的推荐系统，从而确保核心学习助手即使在无AI支持的情况下仍能正常运行。

蜂鸣器在使系统具备物理特性方面也发挥着重要作用，而非仅依赖软件。不同操作对应不同的音频提示，而长时间无活动则会触发空闲警告，该警告将持续到系统再次检测到运动为止。

最终架构可概括为：

Arduino UNO Q → 传感器与固件 → RouterBridge/RPClite → App Lab → AI推荐层 → WebUI仪表盘

最初仅为一个学习助手的简单构想，经过多个开发阶段逐步演变为一个完整的软硬件平台。我完成了界面的重新设计，从原有的基于OLED的方式迁移至WebUI，整合了Arduino UNO Q与App Lab的通信层，实现了蜂鸣器反馈系统，添加了AI推荐功能，强化了软件性能，并为项目发布做好了准备。

我还对整个系统在实际硬件上进行了测试，包括PIR传感器、光敏电阻(LDR)、焦点会话和定时器逻辑、WebUI控制、桥接通信、蜂鸣器及空闲警告行为，以及具备回退机制的AI推荐功能。

这个项目最终是我尝试打造一个学习助手的成果——它不仅停留在屏幕上，还能感知、响应并互动于学生周围的物理环境。

下方的图片和视频展示了实际的硬件配置、WebUI仪表盘、AI推荐系统，以及完成平台的各种交互与运行行为。

本文编译自hackster.io