高中信息技术选修3人工智能初步之智能控制无人驾驶车系统教学设计

高中信息技术选修3人工智能初步之智能控制无人驾驶车系统教学设计一、教材分析"智能控制无人驾驶车系统"是浙江教育出版社2019年版高中信息技术选修3《人工智能初步》第四章第四节的内容，处于整册教材的收尾位置，承担着综合运用前面所学知识的功能。学生在此前已经学习了人工智能的发展历程、知识表示、搜索策略、机器学习的基本原理以及智能系统的基本架构，本节以无人驾驶车这一真实工程系统为载体，把感知、决策、控制三个环节贯通起来，让学生在完整的问题情境中体会人工智能系统的设计思想。本节内容的学科价值体现在两个层面。其一，无人驾驶车系统是感知智能与认知智能结合的典型范例，涉及传感器数据融合、路径规划、模糊控制、强化学习等多个知识点，能够帮助学生建立"数据—模型—决策—执行"的系统观。其二，该主题天然承载工程伦理与技术责任的讨论空间，是落实信息社会责任这一学科核心素养的优质素材。教材设置的体验活动以模拟环境下的无人车巡线、避障为主，教师在教学中可借助开源模拟平台或简易智能小车套件开展实践，让抽象的算法原理落地为可观察、可调试的真实行为。二、学情分析授课对象为高中选修本课程的学生，多数已具备一定的Python编程基础，理解条件判断、循环、函数等结构，部分学生参加过机器人社团或科技创新活动，对无人车有直观兴趣。但学生普遍存在的问题是：能把单个功能跑通，却难以解释系统内部的协同关系；熟悉算法的"怎么用"，不熟悉"为什么这么设计"；对无人车的安全性、伦理边界缺少深层思考，容易停留在"很酷"的感性认知上。针对这一状况，本课采用"真实问题驱动—分层任务递进—系统思维建模—伦理反思提升"的总体路径，让不同基础的学生都能找到切入点，并在合作中完成从"会用"到"会想"的跨越。三、教学目标信息意识层面：学生能够从无人驾驶车这一复杂系统中识别出感知、决策、执行三类关键信息处理环节，说明各类传感器采集的数据类型及其作用，形成对智能系统信息流的整体认识。计算思维层面：学生能够将"无人车沿车道行驶并避让障碍"这一真实问题分解为环境感知、路径决策、运动控制三个子问题，设计相应的算法流程，并通过编程仿真验证方案，体会分解、抽象、建模、自动化的思维过程。数字化学习与创新层面：学生能够在模拟平台或智能小车套件上调试参数、迭代方案，利用开源资源和协作工具开展小组探究，形成基于证据改进作品的工程习惯。信息社会责任层面：学生能够围绕无人驾驶事故责任归属、算法决策的两难情境展开有依据的讨论，认识技术系统的局限性与安全边界，形成负责任的技术观。四、教学重点与难点教学重点：无人驾驶车系统"感知—决策—控制"三层架构的工作机制；运用流程图与伪代码描述无人车的决策逻辑；在仿真环境中实现巡线与避障的综合控制。教学难点：多传感器数据融合的必要性与基本思想；决策算法中规则系统与学习系统的区别与适用场景；从单一功能调试走向系统联调时的故障定位方法。五、教学方法与课前准备教学方法采用项目式学习与合作探究相结合，辅以讲授法厘清核心概念。课前准备包括：机房部署无人车仿真平台（可选用开源无人驾驶模拟器或图形化编程环境），每组一台安装好Python环境的计算机；为具备条件的小组配发智能小车套件；教师提前录制平台基本操作的微课；设计学习任务单与过程性评价量规。六、教学过程（一）情境导入：一次"沉默的刹车"上课伊始，教师播放一段经过处理的行车记录视频：一辆测试中的无人驾驶车在雨夜驶入十字路口，前方突然出现滚落到路面的纸箱，车辆在两秒内完成识别、减速、变道绕行，全程没有人工干预。视频结束后，教师抛出本课的核心问题："这辆车在没有驾驶员的情况下，究竟'看见'了什么，'想到'了什么，又'做到'了什么？"学生自由发言，教师不急于评价，而是在黑板上按学生发言的自然顺序记录关键词：摄像头、雷达、识别、判断、转向、刹车……随后教师引导："这些词能不能分成几类？分类的依据是什么？"学生在讨论中逐步形成"获取信息—作出判断—执行动作"的三分结构，教师顺势板书"感知层—决策层—控制层"，明确本课主线：解剖一辆无人驾驶车的智能控制系统，并亲手让一辆小车变得聪明起来。设计意图在于，用真实且富有张力的场景制造认知冲突，让系统架构从学生的语言中生长出来，而不是由教师直接灌入。分类活动本身也是一次计算思维中"抽象与归类"的隐形训练。（二）新知建构一：感知层——机器如何"看"世界教师展示一组对比素材：同一路口场景在可见光摄像头画面、激光雷达点云图、毫米波雷达回波图下的三种形态。学生观察后回答：三种传感器各自"擅长"什么，"害怕"什么？教师归纳：摄像头信息丰富但受光照与天气影响大；激光雷达测距精准、可重建三维环境，但成本高且在雨雾中性能下降；毫米波雷达穿透性强、擅长测速，但分辨率低。随后教师提出关键追问："既然每种传感器都有短板，工程上怎么办？"学生结合生活经验（如人在黑暗中靠听觉补充视觉）提出"组合使用"。教师给出"多传感器融合"的概念，并用一个简化的例子说明融合思想：摄像头判断前方物体是"纸箱"，激光雷达测得其距离为"十五米"，毫米波雷达测得其相对速度为"静止"。三路信息汇入处理单元，才能得到"前方十五米处有一个静止纸箱"这一可信结论。教师进一步引导学生思考融合的方式：数据层面可以按时间戳对齐后拼接，决策层面可以让各传感器独立给出判断再投票。教师指出，现实系统中物体识别常由卷积神经网络完成，这是第三章所学的知识在此处的真实用武之地，学习的模型就藏在每辆无人车的"大脑"里日夜运转。（三）新知建构二：决策层——从规则到学习感知回答了"世界是什么样"，决策要回答"我该怎么办"。教师呈现两个简化的决策片段供学生对比。片段一采用规则方式：如果检测到前方障碍距离小于安全阈值，则制动；如果左侧车道空闲，则变道绕行。片段二采用学习的方式：系统在模拟环境中经历数百万次驾驶尝试，安全通过则获得奖励，发生碰撞则受到惩罚，逐步"学会"在复杂路况中选择动作，这正是强化学习的思想。学生分组讨论两种方式的优缺点，并填写对比表格。教师巡视点拨后归纳：规则系统透明、可解释、便于验证，适合处理确定性强的场景，但规则不可能穷尽千变万化的路况；学习系统适应能力更强，能发现人类未曾设想的策略，但决策过程如同黑箱，难以解释，训练不充分时会出现意想不到的行为。真实无人车往往采用混合架构：底层安全规则兜底，上层由学习模型处理复杂交互。教师在此处引入"长尾问题"的概念：训练数据覆盖了常见场景，但罕见场景（如路面突然出现的异形物体）出现概率极低却后果严重，这正是无人驾驶走向全面商用的核心难题之一。学生由此意识到，智能系统的"聪明"是有边界的。（四）新知建构三：控制层——把决策变成毫米级的动作决策给出"转向"的意图，控制层要回答"方向盘转多少、油门踩多深"。教师用走直线的例子说明闭环控制的必要性：人走路时看似直行，其实眼睛不断观察偏离方向，双脚不断微调，这是"检测误差—计算修正量—执行—再检测"的循环。无人车的运动控制遵循同样的反馈结构，车速与转向的调节常用比例积分微分控制等经典方法，让车辆既不过度震荡也不反应迟钝。教师用仿真平台演示同一段巡线程序在控制参数不当（左右画龙）与参数合理（平稳贴合车道线）下的对比，学生直观看到：感知与决策完全正确，控制环节出问题，整车表现依然失败。教师点出本课的重要观念——智能系统是一个整体，任何一环的短板都会拉低全局表现，系统工程思维要求设计者通盘考量。（五）实践探究：让小车跑起来本环节约二十五分钟，是本课的核心。学生以三至四人为一组，围绕总任务"让智能小车（或仿真车辆）在有障碍的轨道上自主完成巡线行驶"展开探究。任务按难度分为三层，小组可根据自身基础选择起点，完成一层可继续挑战下一层。基础任务：巡线行驶。利用灰度传感器（仿真环境中为车道线识别数据）检测小车相对车道线的位置偏差，编写控制程序使小车沿车道行驶。学生需要画出控制流程图：读取偏差值，判断偏差方向，计算左右轮速度差，输出驱动指令，循环执行。教师提示，车速与修正幅度需要在调试中寻找平衡，修正过猛会画龙，修正过缓会冲出弯道。进阶任务：静态避障。在轨道中放置固定障碍物，要求小车借助超声波或模拟雷达数据检测前方距离，小于安全距离时停车并尝试绕行。学生需要在巡线程序中嵌入避障决策分支，体会感知、决策、控制三环的串联。教师引导学生在流程图中明确标注：哪个模块属于感知，哪个属于决策，哪个属于控制，让系统架构内化为程序结构。挑战任务：动态综合场景。障碍物在轨道上移动，或路面出现临时停车标志，小组需综合运用规则决策与多路信息判断，实现安全通过，并记录小车的决策依据。学有余力的小组可尝试调整奖励机制，用简化的试错方式让小车在仿真中自主优化过弯速度，初步触摸强化学习的体验。实践期间教师扮演"总工程师"的角色巡回指导，但不直接给出答案，而是用问题启发："小车冲出弯道之前，传感器数据有什么异常？""你的程序在感知出错的瞬间会作出什么决策？这个决策安全吗？"同时要求每组记录调试日志：现象、猜想、改动、结果，培养基于证据排错的工程习惯。对于进度落后的小组，教师提供结构化半成品代码，搭设支架；对于提前完成的小组，追加开放式问题，如"如何让两辆无人车会车时互不冲突"。（六）成果展示与互评每组用两分钟展示：小车实拍视频或仿真录屏、系统流程图、一次最难忘的调试经历。其他小组依据量规从功能完成度、结构清晰度、调试证据、创新点四个维度打分并写一句具体建议。教师点评时强调：跑得最快的小组未必是最好的一组，能清楚解释系统每一环为什么这样设计、失败时如何定位问题的小组，才真正理解了智能控制。（七）伦理思辨：机器的抉择与我们的责任课堂尾声，教师呈现经典情境：失控车辆在无法避免碰撞时，应选择撞向左方还是右方？算法该保护车内乘客还是路上行人？学生立场不一，教师不追求标准答案，而是引导学生认识到：程序员写下的每一行规则，本质上是把价值判断写进了机器；数据偏差会让算法对某类人群识别率更低，公平性问题同样存在于代码之中。技术再先进，责任的主体始终是人，是设计系统、训练模型、制定规则的工程师与决策者。教师鼓励学生，未来无论是否从事技术行业，都应保有对技术的审视能力与责任意识。（八）课堂小结与作业布置师生共同回顾本课的知识主线：感知层多传感器融合获取环境信息，决策层在规则与学习之间权衡选择，控制层通过闭环反馈精准执行，三层协同构成无人驾驶车系统的智能核心。教师用一张空白架构图邀请学生口述填空，完成知识的结构化收束。课后作业分两部分。其一为必做：绘制本组的系统架构图与核心算法流程图，完善调试日志，形成简版项目报告。其二为选做：查阅资料，了解我国自动驾驶分级标准中从辅助驾驶到完全自动驾驶各级别的技术差异，并写一段话说明当前量产车处于哪一级、你判断的依据是什么；有兴趣的同学可尝试在仿真平台中为小车增加一个此前没用到的新传感器并改造控制逻辑。七、板书设计主板书以三层架构图为中心自上而下排列：感知层（摄像头、激光雷达、毫米波雷达，多传感器融合），决策层（规则系统、学习系统、混合架构，长尾问题），控制层（闭环反馈，检测误差—计算修正—执行）。副板书记录课堂生成的关键词与学生提出的精彩问题，保留思维痕迹。八、教学评价本课采用过程性评价与终结性评价相结合的方式。过程性评价关注小组分工协作、调试日志的质量、课堂提问的思维含量；终结性评价依据作品功能、架构图与流程图的规范性、项目报告的论证水平。评价主体包括教师评价、小组互评与学生自评