Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod do manipulace robotů a hlubokého učení
- Přehled úkolů manipulace a součástí systému
- Tradiční versus metody založené na učení
- Aplikace hlubokého učení ve vnímání, plánování a řízení
Vnímání pro účely manipulace
- Vizuální senzory a detekce objektů určených k uchopení
- 3D vizualizace, hloubkové snímání a zpracování bodových mraků
- Trénování konvolučních neuronových sítí na lokalizaci a segmentaci objektů
Plánování a detekce uchopení
- Klasické algoritmy pro plánování uchopení
- Odvození vhodných poloh uchopení z dat a simulací
- Implementace sítí určených k detekci uchopení (např. GGCNN, Dex-Net)
Řízení a plánování pohybu
- Inverzní kinematika a generování trajektorií
- Plánování pohybů založené na učení a metody imitativního učení
- Učení posilovací metodou pro vytváření strategií řízení manipulace
Integrace s ROS 2 a simulačními prostředími
- Nastavení uzlů ROS 2 určených k vnímání a řízení
- Simulace robotických manipulátorů pomocí nástrojů Gazebo a Isaac Sim
- Začlenění neuronových modelů do systémů pro reálné řízení
End-to-end učení určené k manipulaci
- Spojování vnímání, strategií řízení a skutečné kontroly v jednotných modelech
- Využití ukázkových dat pro učení řídicích strategií pod dohledem učitele
- Přizpůsobování modelů mezi simulací a skutečným hardwarovým prostředím
Vyhodnocování a optimalizace
- Kritéria pro posuzování úspěšnosti, stability a přesnosti uchopení
- Testování systémů za různých podmínek i při vzniku rušivých vlivů
- Komprese modelů a jejich nasazení na periferních zařízeních
Praktický projekt: Robotické uchopování založené na hlubokém učení
- Návrh celého systému od vnímání až po provedení akce
- Trénování a testování modelů na detekci uchopení
- Začlenění těchto modelů do simulovaného robotického ramene
Shrnutí a další kroky
Požadavky
- Dobrá znalost kinematiky a dynamiky robotů
- Zkušenosti s programováním v Pythonu a prací s frameworky hlubokého učení
- Seznámenost s ROS nebo podobným robotickým middlewarem
Cílové skupiny
- Inženýři v oblasti robotiky vyvíjející inteligentní systémy manipulace
- Odborníci na vnímání a řízení zaměření na aplikace uchopování
- Výzkumníci a pokročilí praktici působící v oblasti robotického učení a řízení pomocí umělé inteligence
28 Hodiny
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