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

Počet účastníků


Cena za účastníka

Reference (1)

Nadcházející kurzy

Související kategorie