-- Обычно разбираются в трёх смежных уровнях технического стека: целевой собирают из нижнего, и делают его таким, чтобы вписаться в верхний. Корнилов просто говорит, что нужно год за годом целевой уровень двигать на ступеньку вверх. Когда-то это был уровень печатной платы, потом тележки или манипулятора, теперь уровень нужно опять поднимать -- строить общение уже готовых тележек, манипуляторов и их окружения. Но есть и другой вариант: дать общий набор умений, который потом в жизни позволит цепляться к любому уровню технологического стека. Мышление ведь на этих уровнях по форме одинаковое, это только содержание его разное. В этом хинт. Требования -- это требования, формат user story "я как __стейкхолдер__ хочу __требование__, чтобы __потребность__" нужно выучить один раз, а использовать потом хоть для формулирования требования к плате, хоть к тележке, хоть к производственной линии. Вот этому нужно учить, а не механической сборке. Увы, этому и взрослые не выучены (разве что айтишники как-то на эту тему могут разговор поддержать, но разговор получается весьма специфичным).
Роботы же даже для школьного кружка могут быть сегодня очень круты. Вот уже год назад делали робота за $100 с TensorFlow на борту, он мог распознавать предметы окружающего мира -- https://www.oreilly.com/learning/how-to-build-a-robot-that-sees-with-100-and-tensorflow. За год ситуация опять изменилась, всё стало дешевле и круче. Вот этому "дешевле и круче" и нужно учить, а не дорогому и низкоуровневому антиквариату!
Вот статья как раз про это в deep learning: Our goal at fast.ai is for there to be nothing to teach. We believe that the fact that we currently require high school math, one year of coding experience, and seven weeks of study to become a world-class deep learning practitioner, is not an acceptable state of affairs (even although this is less prerequisites for any other course of a similar level). Everybody should be able to use deep learning to solve their problems with no more education than it takes to use a smart phone. Therefore, each year our main research goal is to be able to teach a wider range of deep learning applications, that run faster, and are more accurate, to people with less prerequisites. Это из http://www.fast.ai/2017/09/08/introducing-pytorch-for-fastai/
У меня там много ещё реплик: множество образовательных робототехников понабежало, и начало критиковать Корнилова, и зря. Мой сын сказал, что едва-едва успел закончить своё приложение IoT к концу курса у Корнилова (https://ailev.livejournal.com/1374092.html, а про выбор системного уровня для этого курса я говорил ещё летом в http://ailev.livejournal.com/1351873.html). Но приложение он таки закончил, и оно заработало. Я даже не интересовался, какое там приложение. Меня удовлетворил сам факт, что он что-то сделал, и оно не свелось к разводке дцатой печатной платы, её травлению, набивке-пропайке. Другого-то ничего не было, и я терпел года три всё это паяние безделушек, которые приносились -- и на полку. А тут он хоть что-то о мире узнал, а не о сувенирной робототехнике. Ну, и оценил сложность: до этого он всё это пустяками-хобби считал (и справедливо). А теперь он понял, что там запах не хоббийный, мейкерский, а производственный. Это меня несказанно радует.
Может, нужно смелей отплывать от слова "робототехника", рок-н-ролл там уже не живёт, как и в "токарном деле" времён моей молодости.