Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do AI a robotiky
- Přehled moderní robotiky a konvergence AI
- Aplikace v autonomních systémech, dronových technologiích a servisních robotech
- Klíčové komponenty AI: vnímání, plánování a řízení
Nastavení vývojového prostředí
- Instalace Pythonu, ROS 2, OpenCV a TensorFlow
- Použití Gazebo nebo Webots pro simulaci robotů
- Práce s Jupyter Notebooks pro AI experimenty
Vnímání a počítačové zpracování obrazu
- Použití kamer a senzorů pro vnímání
- Klasifikace obrazů, detekce objektů a segmentace pomocí TensorFlow
- Detekce hran a sledování kontur s OpenCV
- Reálně časové streamování a zpracování obrazu
Lokalizace a fúze senzorů
- Pochopení pravděpodobnostní robotiky
- Kalman filtry a rozšířené Kalman filtry (EKF)
- Particle filtry pro nelineární prostředí
- Integrace dat LiDAR, GPS a IMU pro lokalizaci
Plánování pohybu a nalezení cesty
- Algoritmy plánování cesty: Dijkstra, A*, a RRT*
- Únik překážkám a mapování prostředí
- Reálně časové řízení pohybu pomocí PID
- Dynamická optimalizace cesty pomocí AI
Posilovací učení pro robotiku
- Základy posilovacího učení
- Návrh odměnových robotických chování
- Q-učení a hluboké Q-sítě (DQN)
- Integrace RL agentů v ROS pro adaptivní pohyb
Simultánní lokalizace a mapování (SLAM)
- Pochopení konceptů a pracovních postupů SLAM
- Implementace SLAM pomocí ROS balíčků (gmapping, hector_slam)
- Vizualizace SLAM pomocí OpenVSLAM nebo ORB-SLAM2
- Testování SLAM algoritmů v simulovaných prostředích
Pokročilé témata a integrace
- Rozpoznávání řeči a gest pro interakci s člověkem a robotem
- Integrace s platformami IoT a cloudu pro robotiku
- Prediktivní údržba robotů pomocí AI
- Etika a bezpečnost v AI-poháněné robotice
Projekt na konci kurzu
- Návrh a simulace inteligentního mobilního robota
- Implementace navigace, vnímání a řízení pohybu
- Demonstrování rozhodování v reálném čase pomocí AI modelů
Souhrn a další kroky
- Revize klíčových technik AI v robotice
- Budoucí trendy v autonomní robotice
- Zdroje pro další učení
Požadavky
- Zkušenosti s programováním v Pythonu nebo C++
- Základní znalost počítačových věd a inženýrství
- Obratnost s pravděpodobnostními koncepty, počtem a lineární algebrou
Cílová skupina
- Inženýři
- Enthusiasté robotiky
- Výzkumníci v oblasti automatizace a AI
21 Hodiny
Reference (1)
její znalost a využití umělé inteligence pro robotiku v budoucnu.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurz - Artificial Intelligence (AI) for Robotics
Přeloženo strojem