เราสร้างเครือข่ายเซ็นเซอร์จอดรถที่ใหญ่ที่สุดของประเทศเพื่อส่งเซ็นเซอร์จอดรถลงนรก

เมื่อเดือนกันยายนที่ผ่านมา เราได้ติดตั้งเซ็นเซอร์ที่จอดรถแบบออปติคัลเพื่อวัดการครอบครองที่จอดรถริมถนนมากกว่า 500 แห่งในเมืองมหาวิทยาลัยบรันชไวก์ นั่นคือการติดตั้งเซ็นเซอร์จอดรถที่ใหญ่ที่สุดเท่าที่เคยมีมาในที่สาธารณะในเยอรมนี และสิ่งหนึ่งที่แน่นอนคือ: เราจะทำให้มันเป็นครั้งสุดท้าย นี่คือเรื่องราวของความพยายามอันยิ่งใหญ่ บริษัท AI ที่ทำการค้นหาความจริงภาคพื้นดิน ข้อมูลเพื่อขับเคลื่อนอัลกอริธึม

นี่เป็นเรื่องราวเบื้องหลังงานวิศวกรรมที่สวยงาม ซึ่งเป็นผลพลอยได้จากภารกิจที่ยิ่งใหญ่กว่า และจะไม่มีวันถูกนำไปผลิตอีกในท้ายที่สุด ทั้งหมดนี้เพื่อสนับสนุนเทคโนโลยีที่ขับเคลื่อนด้วยข้อมูลที่ก่อกวนมากขึ้น เนื่องจากที่ Bliq เราทำงานเกี่ยวกับอัลกอริธึมเชิงคาดการณ์เพื่อสร้างแบบจำลองความพร้อมในการจอดรถตามข้อมูลการจราจร เราจึงมีความจำเป็นตามธรรมชาติสำหรับข้อมูลความจริงภาคพื้นดินของการเข้าจอดในชีวิตจริง ในพื้นที่อ้างอิง

เพื่อให้ได้ข้อมูลประเภทนี้ เราจึงตัดสินใจสร้างการตั้งค่าเซ็นเซอร์จอดรถแบบทดลองในโลกแห่งความเป็นจริงซึ่งวัดการครอบครองที่จอดรถริมถนนมากกว่า 500 แห่งแบบเรียลไทม์ตลอด 24 ชั่วโมงในบทความนี้ เรา ต้องการแบ่งปันข้อมูลเชิงลึกเกี่ยวกับความพยายามด้านวิศวกรรมที่เข้าสู่โครงการนี้ โดยเฉพาะอย่างยิ่ง ให้พูดถึงไซต์ทดสอบที่เราเลือก สถาปัตยกรรมระบบ และเซ็นเซอร์จริงที่เราออกแบบและสร้างขึ้นเพื่อรวบรวมข้อมูล

ไซต์ทดสอบ บางครั้ง บริษัท AI จำเป็นต้องมีความคิดสร้างสรรค์ในการรวบรวมความจริงพื้นฐานสำหรับแบบจำลองของตน ในกรณีของเรา การสร้างแบบจำลองความพร้อมในการจอดรถ นี่หมายถึงการหาเขตที่ตรงตามเกณฑ์บางประการในแง่ของการไหลของการจราจร การใช้งาน และข้อมูลประชากร เราเลือกเขตมหาวิทยาลัยในบรันชไวก์เนื่องจากมีอิทธิพลมากมายต่อพื้นที่ขนาดเล็กที่เปรียบเทียบได้: ทางตอนใต้ เรามีวิทยาเขตหลักของมหาวิทยาลัยที่ดึงดูดนักศึกษาหลายพันคนและพนักงานหลายร้อยคนทุกวัน

ห่างออกไปทางใต้ ใจกลางเมืองชั้นในที่มีร้านค้าและสถานที่ท่องเที่ยวอยู่ห่างออกไปโดยใช้เวลาเดินเพียงไม่กี่นาที (ไม่แสดงบนแผนที่ด้านบน) ทางตอนเหนือของเขตเป็นพื้นที่พักอาศัยพร้อมที่จอดรถริมถนนสาธารณะที่ไม่จำกัด คนส่วนใหญ่ที่อาศัยอยู่ในพื้นที่นี้เป็นนักศึกษาหรือจ้างงานโดยอุตสาหกรรมยานยนต์ในท้องถิ่น

ผู้อยู่อาศัยส่วนใหญ่เดินทางไปทำงานโดยใช้รถยนต์ส่วนตัว เขตนี้แยกจากกันด้วยถนนวงเวียนใหญ่ซึ่งครอบคลุมย่านใจกลางเมือง วิธีการทำงานของระบบ สถาปัตยกรรมระบบพื้นฐานของการติดตั้งเซ็นเซอร์นั้นค่อนข้างตรงไปตรงมา และโดยพื้นฐานแล้วสิ่งที่เราคาดหวังจากแอปพลิเคชัน IoT ส่วนใหญ่: มีการติดตั้งฮาร์ดแวร์ชิ้นเล็กๆ ไว้ที่ใดที่หนึ่ง ในโลกแห่งความเป็นจริงและส่งข้อมูลไปยังแบ็กเอนด์บนคลาวด์

แบ็กเอนด์จัดเก็บข้อมูลและทำให้สามารถเข้าถึงได้สำหรับการประมวลผลเพิ่มเติม เพื่อทำหน้าที่เป็นความจริงพื้นฐานสำหรับความพยายามในการเรียนรู้ของเครื่องหรือเพียงเพื่อการสร้างภาพข้อมูลอย่างง่ายในแอปหรือเว็บแอป ข้อกำหนดที่ยาก: ความเป็นส่วนตัวโดยการออกแบบ อะไรพิเศษเกี่ยวกับสถาปัตยกรรมเซ็นเซอร์คือการคำนวณที่ค่อนข้างแข็งแกร่ง ขุมพลังที่เราปรับใช้บนขอบ: เนื่องจากข้อกำหนดด้านกฎระเบียบในพื้นที่สาธารณะของเยอรมันซึ่งเพิ่มเติมจากการอภิปราย GDPR ล่าสุดและต่อเนื่อง เราจึงไม่สามารถประมวลผลภาพบนคลาวด์ระยะไกลที่มีทรัพยากรการคำนวณจำนวนมากได้ นั่นคือเหตุผลที่เราจำเป็นต้องทำทุกอย่าง การยกของหนักเพื่อกำหนดจุดเปิดโดยตรงบนอุปกรณ์เซ็นเซอร์มากกว่าที่อื่น

ข้อดีของสิ่งนี้คือวิธีนี้ไม่ใช้ปริมาณข้อมูลจำนวนมากสำหรับการส่งภาพไปมา แต่เราสามารถรักษาค่าใช้จ่ายในการดำเนินการของเซ็นเซอร์สำหรับการเชื่อมต่อได้ภายในช่วงที่ค่อนข้างต่ำ ด้านลบ การจัดเตรียมอุปกรณ์ที่มีกำลังในการคำนวณเพียงพอที่จะทำการวิเคราะห์ภาพต้องใช้ความพยายามอย่างมากในการพัฒนาฮาร์ดแวร์

ทำไมไม่ใช้เซ็นเซอร์จอดรถแบบอื่นล่ะ ทำไมเราถึงตัดสินใจเจ็บปวดกับการออกแบบและสร้างเซ็นเซอร์จอดรถของเราเองแทนที่จะซื้อเซ็นเซอร์สำเร็จรูปรุ่นใดรุ่นหนึ่งที่มีวางจำหน่ายแล้ว มีสามคำตอบสำหรับเรื่องนั้น:เรา ไม่รู้ว่าการสร้างอุปกรณ์ใหม่จะซับซ้อนแค่ไหน ;) เซ็นเซอร์ที่จอดรถที่มีอยู่ทั้งหมดมีข้อบกพร่องบางประการ: สถานการณ์ด้านกฎระเบียบห้ามเราไม่ให้ใช้โซลูชันออปติคัลที่มีอยู่เนื่องจากระบบประเภทนี้จะละเมิดความเป็นส่วนตัว

เซ็นเซอร์ที่ติดตั้งบนพื้นผิวจะไม่ทนต่อการกำจัดหิมะในช่วงฤดูหนาว และสุดท้าย เซ็นเซอร์ในพื้นดินค่อนข้างแพงในตัวเองและมีราคาแพงกว่าในการติดตั้ง เรามีงบประมาณค่อนข้างจำกัดเมื่อเราเริ่มโครงการนี้

เราเริ่มต้นบริษัทโดยสิ้นเชิง ณ จุดนี้: เงินทุนของเราประกอบด้วยเงินทุนของรัฐบาลบางส่วน รายได้แรก และราคาบางส่วนที่เราชนะที่นี่และที่นั่น เซ็นเซอร์รุ่นอื่นๆ ที่มีป้ายราคาอยู่ระหว่าง 75 ถึง 250 ยูโรต่อจุดนั้นแพงสำหรับเราในเวลานี้ เซ็นเซอร์จอดรถแบบออปติคัลใหม่แนวคิดสำหรับหลักการทำงานของเซ็นเซอร์ของเรานั้นเรียบง่าย: ปรับใช้อัลกอริทึมเดียวกันกับที่เราได้พัฒนาแล้วในโครงการวิจัยก่อนหน้าของเราเกี่ยวกับฮาร์ดแวร์ขนาดเล็ก เชื่อมต่อกับอินเทอร์เน็ต ใส่ทุกอย่างลงในกล่องกันน้ำ และติดตั้ง สู่เสาไฟ

อัลกอริทึมนั้นโดยพื้นฐานแล้วเป็นตัวแยกประเภทรูปภาพ ซึ่งต้องการพื้นที่ที่น่าสนใจที่กำหนดไว้ล่วงหน้าเพื่อดู จุดประสงค์ดั้งเดิมของโมเดลนี้คือการวิเคราะห์การครอบครองที่จอดรถโดยอัตโนมัติในชุดภาพขนาดใหญ่ที่เรารวบรวมไว้ในโปรเจ็กต์ก่อนหน้าด้วยกล้องออฟไลน์ ความท้าทายในตอนนี้มีเพียงการออกแบบอุปกรณ์ฮาร์ดแวร์ที่เหมาะสมด้วยกำลังในการคำนวณที่เพียงพอ ลดขนาดโมเดลเพื่อให้ทำงานบนการตั้งค่านี้ และทำให้แน่ใจว่ามีการจ่ายไฟอย่างต่อเนื่อง

นี่คือสิ่งที่อยากได้สำหรับข้อมูลจำเพาะของเรา:ต้นทุนต่อจุดต่ำ: ส่วนประกอบมาตรฐาน ความถี่ในการวัดสูงสุด 3 นาทีถึง 30 วินาที การตรวจจับทนทานต่อสภาพอากาศ การเปลี่ยนแปลงของแสง และที่จอดรถที่ไม่ถูกต้อง (เช่น G.

รถหนึ่งคันครอบครองสองจุด) การตรวจสอบสถานะความสมบูรณ์ของอุปกรณ์ตัวเลือกสำหรับการอัปเดตซอฟต์แวร์ระยะไกลการใช้พลังงานต่ำอายุการใช้งาน 25 ปีซอฟต์แวร์ซอฟต์แวร์เซ็นเซอร์ประกอบด้วยสามชั้น: ระบบปฏิบัติการซึ่งเป็นการพัฒนาแบบกำหนดเองสำหรับโครงการนี้ รูทีนหลักที่ควบคุมฟังก์ชันเซ็นเซอร์ทั้งหมดและ โมเดลแมชชีนเลิร์นนิงจริงสำหรับการตรวจจับจุดเปิด ระบบปฏิบัติการสำหรับการเรียกใช้โมเดลวิชันซิสเต็มที่ขอบ เราคิดได้อย่างรวดเร็วว่าเราจะต้องมีการตั้งค่าซอฟต์แวร์ที่ใหญ่กว่าในโครงการฮาร์ดแวร์ IoT อื่นๆ การตัดสินใจสร้างการแจกจ่าย Linux แบบกำหนดเองโดยใช้ Yocto

ด้วยวิธีนี้ เราสามารถควบคุมทุกอย่างที่ระบบปฏิบัติการกำลังทำได้อย่างเต็มที่ คุณสมบัติหลักคือสองพาร์ติชั่นแยกกัน เพื่อให้สามารถทำการอัปเดตระบบไฟล์และพาร์ติชั่นสว็อป ไลบรารีจำนวนหนึ่งซึ่งจำเป็นโดยรูทีนหลักและการรีเซ็ต watchdog หน่วยเฝ้าระวังฮาร์ดแวร์ของ SBC ของเราจะรีบูตอุปกรณ์ในกรณีที่มีสิ่งใดไม่ทำงานตามที่คาดไว้

การมีก้อนอิฐอัจฉริยะอยู่เหนือพื้นบนเสาไฟเนื่องจากข้อผิดพลาดในซอฟต์แวร์จะเป็นกรณีที่เลวร้ายที่สุด รูทีนหลัก รูทีนหลักมีหน้าที่ในการเรียกใช้เครื่องตรวจจับในช่วงเวลาที่ปรับได้ การตรวจสอบสถานะของเซ็นเซอร์ด้านสุขภาพ และการสื่อสารกับ แบ็กเอนด์ (ดึงข้อมูลการกำหนดค่าและส่งการอัปเดต) รูทีนหลักถูกนำไปใช้ใน Python

สิ่งนี้ทำให้เรามีความยืดหยุ่นและการประมวลผลภาพที่ง่ายขึ้นอย่างมาก เนื่องจากเราสามารถใช้ประโยชน์จากฐานโค้ด Python ขนาดใหญ่ที่มีอยู่แล้วในบริษัทได้ สิ่งที่ยอดเยี่ยมอย่างหนึ่งเกี่ยวกับการออกแบบซอฟต์แวร์คือความสามารถในการอัปเดตระยะไกลแยกกันของแต่ละองค์ประกอบ: ตั้งแต่โมเดลการตรวจจับไปจนถึงซอร์สโค้ดสำหรับรูทีนหลัก ไปจนถึงเคอร์เนล หรือแม้แต่ระบบไฟล์ทั้งหมด สามารถเปลี่ยนแต่ละส่วนจากระยะไกลได้ เมื่อเผชิญกับการพัฒนาอย่างรวดเร็วในด้าน CV และแมชชีนเลิร์นนิงโดยทั่วไป เราต้องการให้แน่ใจว่าโค้ดที่ใช้เซ็นเซอร์จะมีความทันสมัยตลอดอายุการใช้งาน

การเรียนรู้ด้วยเครื่องเพื่อทำงานการตรวจจับ เราใช้เทนเซอร์โฟลว์เวอร์ชันหนึ่ง และหลังจากการปรับแต่งบางอย่างก็ทำให้การตั้งค่าของเราทำงานได้ เมื่อดำเนินการเสร็จแล้ว เราสามารถปรับใช้เทนเซอร์โฟลว์ที่ได้รับการฝึกฝนมาล่วงหน้าซึ่งพอดีกับหน่วยความจำ GPU ได้ เราตัดสินใจใช้ MobileNet เพราะมันแสดงให้เห็นอัตราส่วนที่ดีที่สุดระหว่างความแม่นยำและประสิทธิภาพในการตั้งค่าของเรา

เรายังพิจารณาแนวทางอื่นๆ อีกหลายวิธีโดยอิงจากคุณลักษณะการมองเห็นด้วยคอมพิวเตอร์แบบดั้งเดิม เช่น คุณลักษณะ HOG ฮิสโตแกรม เป็นต้น ร่วมกับตัวแยกประเภทการเรียนรู้ของเครื่องทั่วไป เช่น SVM แม้ว่าการทดสอบเหล่านี้จะส่งผลให้ประสิทธิภาพในการคำนวณค่อนข้างสูงเนื่องจากการออกแบบโมเดลที่ง่ายกว่ามากเมื่อเทียบกับ MobileNet แต่ความแม่นยำของโมเดลก็ต่ำกว่า ซึ่งอาจอธิบายได้จากข้อเสียตามปกติของคำอธิบายคุณลักษณะ CV มาตรฐาน (ค่าคงที่เบา ค่าคงที่ของมาตราส่วน)

ฮาร์ดแวร์การทำงานกับฮาร์ดแวร์เป็นประสบการณ์ที่ค่อนข้างใหม่สำหรับเรา การเป็นบริษัทซอฟต์แวร์อย่างแท้จริงจนถึงตอนนี้ แม้ว่า Mathias ซึ่งเป็น CTO ของเราเคยทำงานเกี่ยวกับการออกแบบอุปกรณ์อิเล็กทรอนิกส์ในงานก่อนหน้าของเขากับ Volkswagen R &D บริษัทของเรายังไม่พร้อมสำหรับงานพัฒนาฮาร์ดแวร์ และเมื่อมองย้อนกลับไปจริงๆ แล้ว มันก็ยังไม่ใช่วันนี้ อย่างไรก็ตาม เราต้องการการออกแบบที่ใช้งานได้จริง ซึ่งง่ายต่อการผลิตและทำซ้ำด้วยทรัพยากรที่เรามีในฐานะบริษัทที่เริ่มต้นใหม่ในเวลานี้

ดังนั้น รายการข้อกำหนดของเราจึงกลายเป็นแบบนี้อย่างรวดเร็ว: เคสต้องกันน้ำและพิมพ์ได้ 3 มิติเซ็นเซอร์ควรใช้งานแบตเตอรี่ได้อย่างน้อย 12 ชั่วโมงกล้องควรได้รับการปกป้องจากฝนและละอองน้ำ และทำงานในที่มืดเช่นกันการออกแบบ ต้องถือกล้อง, เซ็นเซอร์อุณหภูมิ/ความชื้น, โมดูล LTE, คอมพิวเตอร์บอร์ดเดี่ยวและอุปกรณ์อิเล็กทรอนิกส์กำลังสำหรับแปลงแรงดันไฟฟ้าให้อยู่ในระดับที่เหมาะสม จำเป็นต้องใช้แบตเตอรี่เพื่อทำงานต่อเมื่อปิดเสาไฟ (ระหว่าง วันนั้น) การตั้งค่าทั้งหมดจะต้องเป็นแบบแยกส่วนเพื่ออำนวยความสะดวกในการติดตั้งและเพื่อให้สามารถแลกเปลี่ยนส่วนประกอบเดี่ยวได้ในกรณีที่เกิดความล้มเหลว นอกจากนี้ยังต้องเล็กและทาสีเทาเพื่อให้ดูไม่เกะกะในสภาพแวดล้อมการทำงานสภาพการทำงานตั้งแต่ -20 C ถึง 70 C (เนื่องจากการตั้งค่าจะค่อนข้างอบอุ่นในฤดูร้อนเมื่อโดนแสงแดดเต็มที่) เราเริ่มต้นด้วยการออกแบบรวมถึงอินฟราเรด ไฟ LED (เช่นเดียวกับกล้องกลางแจ้งหลายๆ รุ่น) เพื่อให้สามารถทำงานได้ในสภาพกลางคืน

อย่างไรก็ตาม ตัวเลือกการออกแบบนี้กลับมาพร้อมกับข้อบกพร่องบางประการ: ไฟ LED เหล่านี้ใช้พลังงานค่อนข้างมาก (เมื่อเทียบกับอุปกรณ์อิเล็กทรอนิกส์อื่นๆ) ทำให้แหล่งจ่ายไฟไม่ได้มาตรฐานและจำเป็นต้องใช้แหล่งจ่ายไฟ แม้จะมีการใช้พลังงานมาก แต่ก็ไม่สามารถส่องสว่างได้ทั่วทั้งขอบเขตการมองเห็น เราอาจต้องการสปอตไลต์ IR ภายนอกซึ่งไม่ใช่ทางเลือกที่จริงจังอีกครั้ง

และสุดท้าย การออกแบบด้วยไฟ LED ก็ไม่ค่อยสวยนัก ในการเอาชนะปัญหาการทำงานในเวลากลางคืน เราตัดสินใจใช้การตั้งค่ากล้องนิ่ง: เนื่องจากตำแหน่งของกล้องคงที่และวัตถุที่เราพยายามตรวจจับมักจะนิ่ง เราสามารถเพิ่มการรับแสงและความไวแสงของเซ็นเซอร์เพื่อให้ทำงานเฉพาะกับแสงที่เหลือเท่านั้น ดังนั้นเราจึงเขียนทับการเปิดรับแสงภายในกล้องและการควบคุม ISO และเขียนลูปป้อนกลับอย่างง่ายที่ปรับการตั้งค่าแสงตามความสว่างของเฟรมที่ถ่ายล่าสุด

วิธีการนี้ได้ผลค่อนข้างดี เนื่องจากในถนนส่วนใหญ่มีแสงตกค้างเพียงพอจากไฟถนน หลังจากทำซ้ำหลายครั้ง ในที่สุดเราก็ได้ออกแบบตามที่แสดงด้านบน: กล้องอยู่ในกรวยเพื่อป้องกันละอองน้ำ และสะท้อนแสงแดดให้มากที่สุด อุปกรณ์อิเล็กทรอนิกส์ติดตั้งอยู่บนซ็อกเก็ตภายใน และสายแพเชื่อมต่อกล้องเข้ากับเมนบอร์ด

ด้านล่างถอดออกได้และติดตั้งเข้ากับเคสด้วยสกรูมาตรฐานสี่ตัว เนื่องจากตัวเรือนพิมพ์ด้วย ABS น็อตกำลังสองจึงวางในช่องเจาะเพื่อให้แน่ใจว่าสามารถขันสกรูให้แน่นได้อย่างเหมาะสม ข้อต่อแบบ GoPro-like เชื่อมต่อเคสกับเมาท์ ซึ่งติดกับเสาไฟโดยใช้เทปเหล็กมาตรฐาน

ชิ้นส่วนทั้งหมดได้รับการปรับให้เหมาะสมสำหรับการพิมพ์ 3 มิติ ซึ่งหมายความว่าไม่มีระยะยื่นที่หนัก นำเข้าพื้นผิวขนานกันเพื่อคุณภาพพื้นผิวที่สูง สุดท้าย กล่องแบตเตอรี่ถูกแยกออกจากเซ็นเซอร์เพื่อการบริการที่ดีขึ้น เป็นกล่อง ABS แบบฉีดขึ้นรูปมาตรฐานและประกอบด้วย 4

แบตเตอรีตะกั่วขนาด 5 Ah 12V และชุดชาร์จซึ่งใช้อินพุต 230V (ซึ่งเป็นแรงดันไฟฟ้าของไฟถนนส่วนใหญ่ในเยอรมนี) มีอะไรต่อไป ข้อมูลที่เรากำลังรวบรวมตลอดโครงการนี้ช่วยให้เราปรับปรุงความเข้าใจของเราได้อย่างมาก (และของเรา อัลกอริธึม) ของวิธีการทำงานของที่จอดรถในสถานการณ์การจราจรที่แตกต่างกันและบริบทต่างๆ ของปัจจัยที่ส่งผลต่อความพร้อมในการจอดรถ เราจะโพสต์เพิ่มเติมเกี่ยวกับผลลัพธ์ที่แท้จริงจากมุมมองของวิทยาศาสตร์ข้อมูลในไม่ช้านี้

เราจะใช้เวลาและลงลึกในรายละเอียดของส่วนซอฟต์แวร์ให้มากขึ้น และในที่สุดก็จะไปถึงซอฟต์แวร์โอเพนซอร์ส รวมถึงการออกแบบฮาร์ดแวร์ด้วย ณ จุดนี้ เราอยากจะแสดงความขอบคุณต่อเมืองแห่ง Braunschweig ที่ให้เราเข้าถึงโครงสร้างพื้นฐานด้านการรับส่งข้อมูลเพื่อสนับสนุนโครงการนี้ พวกเขาไม่เพียงแต่ให้การอนุญาตที่จำเป็นทั้งหมดเท่านั้น แต่ยังครอบคลุมค่าใช้จ่ายบางส่วนด้วย

เราขอขอบคุณเป็นอย่างสูงไปยัง Bellis ผู้ควบคุมการจราจรในพื้นที่ และผู้ให้บริการพลังงาน BS Energy สำหรับการสนับสนุนเกี่ยวกับการติดตั้งและการจ่ายไฟของเซ็นเซอร์ เกี่ยวกับผู้เขียนJulian เป็น CEO และผู้ร่วมก่อตั้ง Bliq ในกรุงเบอร์ลิน -ตามบริษัทเทคโนโลยี Bliq จัดทำแผนที่ที่จอดรถสดสำหรับนักพัฒนาในความคล่องตัว

คำถามที่เกี่ยวข้อง ฉันไม่ได้รับ Google Glass Explorer Edition พยายามที่จะเรียนรู้ Glass Dev โดยไม่ต้องฮาร์ดแวร์ความพยายามไร้ประโยชน์? ไม่มีคุณยังคงสามารถเรียนรู้พื้นฐานของการพัฒนากระจกโดยไม่ต้องฮาร์ดแวร์

มีสามแนวทางหลักสำหรับการบรรลุนี้: 1) เยี่ยมชมเอกสาร Mirror API เข้าไปในสนามเด็กเล่นและเริ่มแฮชชิ่งโค้ดบางอย่าง ดาวน์โหลด PHP, Java และ Python Library ไม่ว่าคุณจะสะดวกสบายมากที่สุดก็ตาม ทำความคุ้นเคยกับศัพท์แสงและคอนเวอร์ชัน (ไทม์ไลน์การรวมกลุ่มเมนูฯลฯ)

อ่านเอกสารสนับสนุน (ลิงก์ที่สองด้านล่าง) เพื่อดูว่าฮาร์ดแวร์กระจกทำงานได้อย่างไร สร้างบางปพลิเคชันสเปคนี้ เร็วพอคุณจะพบเพื่อนกับฮาร์ดแวร์เพื่อ T