Návrh Školení

Týden 01

Úvod

  • Co dělá robota chytrou?

Fyzické vs virtuální roboty

  • Chytré roboty, chytré stroje, vědomé stroje a robotační procesová automatizace (RPA) atd.

Role umělé inteligence (AI) v robotice

  • Za hranicí "if-then-else" a učící se stroje
  • Algoritmy za AI
  • Strojové učení, počítačová vidění, zpracování přirozeného jazyka (NLP) atd.
  • Kognitivní robotika

Role velkých dat v robotice

  • Rozhodování založené na datech a vzorcích

Cloudu a robotika

  • Propojení robotiky s IT
  • Stavění funkčnějších robotů, které mají přístup k více informacím a spolupracují

Případová studie: Průmyslové roboty

  • Mechanické roboty
    • Baxter
  • Roboti ve jaderných zařízeních
    • Detekce a ochrana před zářením
  • Roboti ve jaderných reaktorech
    • Detekce a ochrana před zářením

Hardwarové komponenty robota

  • Motory, senzory, mikrokontroléry, kamery atd.

Společné prvky robotů

  • Počítačové vidění, rozpoznávání hlasu, syntéza řeči, detekce blízkosti, detekce tlaku atd.

Frameworky pro programování robota

  • Otevřené a komerční frameworky
  • Robot Operating System (ROS)
    • Architektura: pracovní prostor, témata, zprávy, služby, uzly, actionlibs, nástroje atd.

Jazyky pro programování robota

  • C++ pro nízkoúrovňové ovládání
  • Python pro orchestrování
  • Programování ROS uzlů v Pythonu a C++
  • Další jazyky

Nástroje pro simulaci fyzického robota

  • Komerční a otevřené 3D simulační a vizualizační software

Týden 02

Příprava vývojového prostředí

  • Instalace a nastavení softwaru
  • Užitečné balíčky a nástroje

Případová studie: Mechanické roboty

  • Roboti ve jaderné technologii
  • Roboti v environmentálních systémech

Programování robota

  • Programování uzlu v Pythonu a C++
  • Porozumění ROS uzlu
  • Zprávy a témata v ROS
  • Paradigma publikování/podpisování
  • Projekt: Bump & Go s reálným robotem
  • Řešení problémů
  • Simulace robota pomocí Gazebo/ROS
  • Rámce v ROS a změny referencí
  • 2D zpracování informací z kamer pomocí OpenCV
  • Zpracování informací z laseru
  • Projekt: Bezpečné sledování objektů podle barvy
  • Řešení problémů

Týden 03

Programování robota (pokračování...)

  • Služby v ROS
  • 3D zpracování informací z RGB-D senzorů s PCL
  • Mapy a navigace s ROS
  • Projekt: Hledání objektů v prostředí
  • Řešení problémů

Programování robota (pokračování...)

  • ActionLib
  • Rozpoznávání hlasu a generování řeči
  • Ovládání paží robota s MoveIt!
  • Ovládání krku robota pro aktivní vidění
  • Projekt: Hledání a sběr objektů
  • Řešení problémů

Testování vašeho robota

  • Unit testy

Týden 04

Rozšíření schopností robota pomocí hlubokého učení (Deep Learning)

  • Percepce -- vidění, audio a haptická zpětná vazba
  • Reprezentace znalostí
  • Rozpoznávání řeči prostřednictvím NLP (zpracování přirozeného jazyka)
  • Počítačové vidění

Úvod do hlubokého učení (Deep Learning)

  • Umělé neuronové sítě (ANNs)
  • Umělé neuronové sítě vs. biologické neuronové sítě
  • Předávkovací neuronové sítě (Feedforward Neural Networks)
  • Aktivační funkce
  • Trénování umělých neuronových sítí

Úvod do hlubokého učení (Deep Learning) (pokračování...)

  • Modely hlubokého učení
    • Konvoluční sítě a rekurzivní sítě (Convolutional Networks and Recurrent Networks)
  • Konvoluční neuronové sítě (CNNs or ConvNets)
    • Konvoluční vrstva
    • Pooling vrstva
    • Architektura konvolučních neuronových sítí

Týden 05

Úvod do hlubokého učení (Deep Learning) (pokračování...)

  • Rekurzivní neuronové sítě (RNN)
    • Trénování RNN
    • Stabilizace gradientů během tréninku
    • Dlouhodobá a krátkodobá paměťové sítě (long short-term memory networks)
  • Platformy a software pro hluboké učení
    • Hluboké učení v ROS

Využití velkých dat ve vašem robotoři

  • Koncepty velkých dat
  • Přístupy k analýze dat
  • Nástroje pro práci s velkými daty
  • Rozpoznávání vzorců v datech
  • Cvičení: NLP a počítačové vidění na velkých datech

Využití velkých dat ve vašem robotoři (pokračování...)

  • Distribuované zpracování velkých dat
  • Koexistenci a vzájemnou podporu velkých dat a robotiky
  • Robot jako generátor dat
    • Senzory měřící vzdálenost, pozici, vizuální, taktické senzory a další modalitní senzory
  • Vyhodnocování smyslových dat (cyklus vnímání-plánování-činnosti)
  • Cvičení: Zachytávání streamovacích dat

Programování autonomního robota s hlubokým učením (Deep Learning)

  • Komponenty robota s hlubokým učením
  • Nastavení simulačního prostředí robota
  • Spuštění CUDA-accelerované neuronové sítě pomocí Caffe
  • Řešení problémů

Týden 06

Programování autonomního robota s hlubokým učením (Deep Learning) (pokračování...)

  • Rozpoznávání objektů na fotografii nebo videostreamu
  • Povolení počítačového vidění pomocí OpenCV
  • Řešení problémů

Analýza dat

  • Použití robota pro sběr a organizaci nových dat
  • Nástroje a procesy pro interpretaci dat

Nasazení robota

  • Přechod od simulovaného robota k fyzickému hardwaru
  • Nasazení robota v fyzickém prostředí
  • Monitorování a servisování robotů ve volné přírodě

Zabezpečení robota

  • Prevence neoprávněného manipulování
  • Prevence přístupu hackerů k zobrazení a ukradení citlivých dat

Společné stavění robota

  • Stavění robota v cloudu
  • Připojení ke komunitě robotiky

Budoucnost robotů v oblasti vědy a energie

Shrnutí a závěr

Požadavky

  • Zkušenosti s programováním v C nebo C++
  • Zkušenosti s programováním v Pythonu (užitečné, ale nepovinné; může být součástí kurzu)
  • Zkušenosti s příkazovou řádkou Linuxu

Cílová skupina

  • Vývojáři
  • Inženýři
  • Vědci
  • Technici
 120 Hodiny

Počet účastníků


Cena za účastníka

Reference (1)

Nadcházející kurzy

Související kategorie