Návrh Školení

Úvod do Edge AI v robotice

  • Co je Edge AI?
  • Proč je Edge AI pro robotiku nezbytné
  • Výzvy související s reálným časem v autonómních systémech

Nasazování AI modelů na zařízeních na okraji síťového prostoru

  • Inference AI na NVIDIA Jetson a další hardware pro okrajový výpočet
  • Použití TensorFlow Lite a ONNX pro nasazování na zařízení s hraničním výpočtem
  • Optimalizace AI modelů pro reálný čas

Detekce a sledování objektů v reálném čase pro autonómní systémy

  • Počítačové vidění pro navigaci robotiky
  • Fúze senzorů: LiDAR, kamery a IMU
  • Edge AI pro detekci a sledování objektů

Rozhodování a řízení v robotice

  • Vylepšovací učení pro autonómní chování
  • Plánování trajektorie a vyhýbání překážkám
  • Optimalizace latence v systémech AI v reálném čase

Integrace AI s ROS (Robot Operating System)

  • Přehled o ROS a jeho ekosystému
  • Spouštění AI-založených modelů detekce v ROS
  • Edge AI pro aplikace vícesoustavové robotiky a armád robotů

Optimalizace AI pro systémy s nízkým spotřebou energie v robotice

  • Efektivní architektury neuronových sítí pro robotiku
  • Snížení spotřeby elektrické energie u AI-zapálených robotů
  • Nasazování AI na bateriově poháněných robotických platformách

Praktické aplikace a budoucí trendy

  • Autonómni dróny a průmysloví roboti
  • AI-zapálené robotické asistenty
  • Budoucí pokroky v Edge AI pro robotiku

Shrnutí a další kroky

Požadavky

  • Přehled o umělém rozumu a modelu školení strojového učení
  • Zkušenosti s vloženými systémy nebo robotikou
  • Základní znalost vykonávání v reálném čase

Cílová skupina

  • Inženýři robotiky
  • Vývojáři umělého rozumu
  • Specializovaní na automatizaci
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie