Návrh Školení

Týden 01

Úvod

    Co dělá robota chytrým?

Fyzické versus virtuální roboty

    Smart Robots, Smart Machines, Sentient Machines and Robotic Process Automation (RPA) atd.

Role umělé inteligence (AI) v Robotics

    Za „jestliže-pak-jinak“ a výukovým strojem Algoritmy za umělou inteligencí Strojové učení, počítačové vidění, zpracování přirozeného jazyka (NLP) atd. Kognitivní robotika

Role velkých dat v Robotics

    Rozhodování na základě dat a vzorů

Oblak a Robotics

    Propojení robotiky s IT Budování funkčnějších robotů, kteří mají přístup k více informacím a spolupracují

Případová studie: Průmyslové roboty

    Mechanické roboty Baxter
Roboti v jaderných zařízeních Detekce a ochrana záření
  • Roboti v jaderné oblasti Reactnebo Detekce a ochrana záření
  • Hardwarové součásti robota
  • Motory, senzory, mikrokontroléry, kamery atd.
  • Společné Elements robotů

      Strojové vidění, rozpoznávání hlasu, syntéza řeči, snímání blízkosti, snímání tlaku atd.

    Vývojové rámce pro Programming robota

      Open source a komerční rámce Robot Operating System (ROS) Architektura: pracovní prostor, témata, zprávy, služby, uzly, actionlibs, nástroje atd.

    Jazyky pro Programming robota

      C++ pro nízkoúrovňové ovládání Python pro orchestraci Programování ROS uzlů v Pythonu a C++ Jiné jazyky

    Nástroje pro simulaci fyzického robota

      Komerční a open source 3D simulační a vizualizační software

     

      Týden 02

    Příprava vývojového prostředí

    Instalace a nastavení softwaru Užitečné balíčky a nástroje

    Případová studie: Mechanické roboty

      Roboti v oblasti jaderné techniky Roboti v environmentálních systémech

    Programming Robot

      Programování uzlu v Pythonu a C++ Porozumění uzlu ROS Zprávy a témata v ROS Publikace / paradigma předplatného Projekt: Bump & Go se skutečným robotem Řešení problémů Simulace robotů s altánem / ROS Rámečky v ROS a reference změny 2D zpracování informací kamer s OpenCV Zpracování informací laserem Projekt: Bezpečné sledování objektů podle barev Řešení problémů

     

      Týden 03

    Programming Robot (Pokračování...)

    Služby v ROS 3D zpracování informací RGB-D senzorů s PCL mapami a navigace s ROS Projekt: Search pro objekty v prostředí Troubleshooting

    Programming Robot (Pokračování...)

      ActionLib Speech Recognition a Speech Generation Ovládání robotických paží pomocí MoveIt! Ovládání robotického krku pro aktivní vidění Projekt: Vyhledávání a sběr objektů Odstraňování problémů

    Testování vašeho robota

      Testování jednotek

     

      Týden 04

    Rozšíření schopností robota pomocí Deep Learning

    Vnímání -- vidění, zvuk a haptika Reprezentace znalostí Rozpoznávání hlasu pomocí NLP (zpracování přirozeného jazyka) Computer vidění

    Crash Course v Deep Learning

      Umělé Neural Networks (ANN) Umělé Neural Networks vs. Biologické Neural Networks Dopředná vazba Neural Networks Aktivační funkce Trénink Umělé Neural Networks

    Crash Course v Deep Learning (pokračování...)

      Deep Learning Modely konvolučních sítí a rekurentních sítí

    Konvoluční Neural Networks (CNN nebo ConvNets) Konvoluční vrstva

      Sdružovací vrstva
    Konvoluční Neural Networks Architektura
  •  
  • Týden 05
  • Crash Course v Deep Learning (pokračování...)
  • Recurrent Neural Networks (RNN) Trénink RNN Stabilizace gradientů během tréninku Sítě dlouhodobé krátkodobé paměti

    Platformy pro hluboké učení a softwarové knihovny Hluboké vzdělávání v ROS

    Použití Big Data ve vašem robotu

      Koncepty velkých dat Přístupy k analýze dat Nástroje velkých dat Rozpoznávání vzorců v datech Cvičení: NLP a Computer Vision o velkých souborech dat
    Použití Big Data ve vašem robotu (pokračování...)
  • Distribuované zpracování velkých souborů dat Koexistence a vzájemné obohacování Big Data a Robotics Robot jako generátor dat Senzory pro měření vzdálenosti, polohové, vizuální, hmatové senzory a další modality
  • Porozumění smyslovým datům (smyčka smysl-plán-akt)

      Cvičení: Zachycení streamovaných dat

    Programming autonomní robot s hlubokým učením

      Deep Learning součásti robota Nastavení simulátoru robota Spuštění neuronové sítě akcelerované CUDA s řešením problémů v kavárně
     
  • Týden 06
  • Programming autonomní robot s hlubokým učením (pokračování...)
  • Rozpoznávání objektů na fotografiích nebo tocích videa Povolení počítačového vidění pomocí OpenCV Odstraňování problémů

      Analýza dat

    Použití robota ke shromažďování a organizaci nových dat Nástroje a procesy pro pochopení smyslu dat

    Nasazení robota

    Přechod simulovaného robota na fyzický hardware Nasazení robota ve fyzickém světě Monitorování a servis robotů v terénu

      Zabezpečení vašeho robota

    Zabránění neoprávněné manipulaci Zabránění hackerům v prohlížení a krádeži citlivých dat

      Vytvoření robota ve spolupráci

    Stavba robota v cloudu Připojení ke komunitě robotů

      Budoucnost Outlook pro roboty v oblasti vědy a energetiky

    Shrnutí a závěr

    Požadavky

    • Zkušenosti s programováním v C nebo C++
    • Zkušenosti s programováním v Python (užitečné, ale ne nutné; lze vyučovat jako součást kurzu)
    • Zkušenosti s příkazovým řádkem Linuxu

    Publikum

    • Vývojáři
    • Inženýři
    • Vědci
    • Technici
     120 hodiny

    Počet účastníků



    Price per participant

    Reference (1)

    Související kurzy

    Smart Robots for Developers

    84 hodiny

    Související kategorie