Tinkergen MARK（$ 199）是我最喜欢的入门机器人车。它拥有一切-计算机视觉，深度学习，传感器-以及出色的IDE和一系列指南，使这一切变得轻松而有趣。

正确地为首次使用的用户提供机器人设计是一个棘手的平衡。它应该像是一款出色的电子游戏-易于掌握，但难以掌握。太多的套件会以一种或另一种方式弄错它。它们要么太基础，仅使用声纳传感器来完成Arduino级别的操作，例如行跟随或避障，要么它们太复杂，需要各种工具链设置和培训才能完成所有有用的工作。

在这篇文章中，我列出了三个最出色的方法-Zumi，MARK和Waveshare Piracer。其中，Piracer实际上是为想要在户外比赛并且熟悉Python和Linux命令行的更高级的用户而设计的–实际上，它只能使方程式的硬件方面比完全DIY设置更容易。Zumi很可爱，但仅限于通过自己的RaspberryPi Zero上的Web服务器运行的Jupyter编程环境，这可能有点吓人（而且很慢）。

但是Tinkergen MARK的平衡恰到好处。与其他组件一样，它非常容易组装（将各个零件拧在一起并插入电线大约需要20分钟）。像Zumi一样，它从简单的运动控制，障碍物检测和线跟随开始，但它还具有一些更高级的功能，例如其相机的两轴万向节以及控制其他执行器的能力。它还在背面有一个内置屏幕，因此您可以看到相机所看到的内容，并覆盖了计算机视觉如何解释场景。

MARK真正发挥作用的地方是从基本运动到适当的计算机视觉和机器学习的学习曲线。这要归功于其基于Web的IDE和教程环境。

与许多其他为学生设计的教育机器人工具包一样，它默认为外观类似于Scratch的可视化编程环境，尽管您可以单击顶部的图标并切换为Python。

视频和指南已集成到Web界面中，您可以按照自己的进度来学习一系列课程。有一个完整的自动驾驶课程，从简单的车道保持开始，一直到环境类似的城市街道上的交通标志和导航。

MARK真正令人瞩目的地方在于内置计算机视觉和深度学习功能的数量。预先训练的网络包括识别交通标志，数字，动物和其他常见物体：

内置的计算机视觉模块包括形状，颜色，线条，面，Apriltag和目标。还支持视线跟踪（使用摄像机）或传感器线跟踪（使用汽车底部的IR发射器/接收器对）。

此外，您可以通过在设备上记录图像，然后在PC上训练深度学习网络，甚至在MARK本身上训练更简单的对象，来训练它以识别新的对象和手势。

我也通过套件获得了运动垫，该套件的尺寸和对比度适合在您的代码中拨号，因此性能良好。推荐的。

简而言之，这是我尝试过的最好的机器人工具包-它具有非常完善的硬件和软件，令人惊讶的强大功能集和出色的教程。另外，它看起来很棒，而且使用起来很有趣，这在很大程度上是因为顶部的屏幕向您显示了所看到的汽车。对于孩子和成年人来说，这都是一个很棒的节日礼物-您将找不到比这更容易使用的更好的计算机视觉和机器学习实验软件包。