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
Reference (1)
její znalost a využití umělé inteligence pro robotiku v budoucnu.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurz - Artificial Intelligence (AI) for Robotics
Přeloženo strojem