Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 21 hodiny
Návrh Školení
Úvod do robotického učení
- Přehled strojového učení v robotice
- Dozorované vs. nedorované vs. posilovací učení
- Aplikace RL v řízení, navigaci a manipulaci
Základy posilovacího učení
- Markovyho rozhodovací procesy (MDP)
- Funkce politiky, hodnoty a odměny
- Obchodování mezi prozkoumáním a využitím (exploration vs exploitation)
Klasické algoritmy RL
- Q-learning a SARSA
- Metody Monte Carlo a časového rozdílu (temporal difference)
- Iterace hodnot a iterace politiky
Techniky hlubokého posilovacího učení
- Kombinace hlubokého učení s RL (Deep Q-Networks)
- Metody gradientu politiky
- Pokročilé algoritmy: A3C, DDPG a PPO
Simulační prostředí pro robotické učení
- Použití OpenAI Gym a ROS 2 pro simulace
- Vytváření vlastních prostředí pro robotické úlohy
- Hodnocení výkonu a stability trénování
Náplň RL v robotice
- Učení regulačních a pohybových politik
- Posilovací učení pro robotickou manipulaci
- Mnohoagentové posilovací učení v robotice roje
Optimalizace, nasazení a integrace do reálného světa
- Laďení hyperparametrů a formování odměn
- Přenášení naučených politik ze simulace do reality (Sim2Real)
- Nasazení vytrénovaných modelů na robotický hardwar
Shrnutí a další kroky
Požadavky
- Pochopení konceptů strojového učení
- Zkušenosti s programováním v jazyce Python
- Poznaní s robotikou a regulačními systémy
Cílová skupina
- Strojní inženýři
- Výzkumníci v oblasti robotiky
- Vývojáři budující inteligentní robotické systémy
Reference (2)
Dodání materiálu (virtuální stroj) pro okamžitý začátek cvičení a vysvětlení jádra ROS2. Proč věci fungují určitým způsobem.
Arjan Bakema
Kurz - Autonomous Navigation & SLAM with ROS 2
Přeloženo strojem
její znalost a využití umělé inteligence pro robotiku v budoucnu.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurz - Artificial Intelligence (AI) for Robotics
Přeloženo strojem