Kurzusleírás

01. hét

Bevezetés

  • Mitől lesz egy robot okos?

Fizikai vs virtuális robotok

  • Smart Robots, Smart Machines, Sentient Machines és Robotic Process Automation (RPA) stb.

Artificial Intelligence (AI) szerepe az Robotics-ben

  • Túl a "ha-akkor-más"-on és a tanulógépen
  • Az AI mögötti algoritmusok
  • Gépi tanulás, számítógépes látás, természetes nyelvi feldolgozás (NLP) stb.
  • Kognitív robotika

Big Data szerepe az Robotics-ben

  • Döntéshozatal adatok és minták alapján

A felhő és Robotics

  • A robotika összekapcsolása az IT-vel
  • Funkcionálisabb robotok építése, amelyek több információhoz férnek hozzá és együttműködnek

Esettanulmány: Ipari robotok

  • Mechanikus robotok
    • Baxter
  • Robotok a nukleáris létesítményekben
    • Sugárzás észlelése és védelem
  • Robotok a nukleárisban React
    • Sugárzás észlelése és védelem

A robot hardver alkatrészei

  • Motorok, érzékelők, mikrokontrollerek, kamerák stb.

A robotok általános Element-ai

  • Gépi látás, hangfelismerés, beszédszintézis, közelségérzékelés, nyomásérzékelés stb.

Fejlesztési keretrendszerek Programming egy robothoz

  • Nyílt forráskódú és kereskedelmi keretrendszerek
  • Robot operációs rendszer (ROS)
    • Architektúra: munkaterület, témák, üzenetek, szolgáltatások, csomópontok, actionlibs, eszközök stb.

Languages Programming egy robotnak

  • C++ alacsony szintű szabályozáshoz
  • Python hangszereléshez
  • Programming ROS csomópontok a Python-ben és a C ++-ban
  • Más nyelvek

Eszközök egy fizikai robot szimulálásához

  • Kereskedelmi és nyílt forráskódú 3D szimulációs és vizualizációs szoftver

02. hét

A fejlesztési környezet előkészítése

  • Szoftver telepítés és beállítás
  • Hasznos csomagok és segédprogramok

Esettanulmány: Mechanikus robotok

  • Robotok a nukleáris technológia területén
  • Robotok a környezeti rendszerekben

Programming a Robot

  • Programming egy csomópont a Python-ben és a C ++-ban
  • A ROS csomópont megértése
  • Üzenetek és témák itt: ROS
  • Kiadvány / előfizetés paradigma
  • Projekt: Bump & Go valódi robottal
  • Hibaelhárítás
  • Robotok szimulációja a pavilonnal / ROS
  • Keretek a ROS-ben és hivatkozási változtatások
  • Kamerák 2D információfeldolgozása OpenCV
  • A lézer információfeldolgozása
  • Projekt: Objektumok biztonságos követése szín szerint
  • Hibaelhárítás

03. hét

Programming a robot (Folytatás...)

  • Szolgáltatások itt: ROS
  • RGB-D érzékelők 3D információfeldolgozása PCL-lel
  • Térképek és navigáció a ROS segítségével
  • Projekt: Objektumok keresése a környezetben
  • Hibaelhárítás

Programming a robot (Folytatás...)

  • ActionLib
  • Speech Recognition és Beszédgenerálás
  • Robotkarok vezérlése a MoveIt!
  • Robot nyak szabályozása az aktív látás érdekében
  • Projekt: Tárgyak keresése és gyűjtése
  • Hibaelhárítás

A robot tesztelése

  • Egységteszt

04. hét

A robot képességeinek kiterjesztése Deep Learning

  • Érzékelés – látás, hang és tapintások
  • A tudás reprezentációja
  • Hangfelismerés NLP-n keresztül (természetes nyelvi feldolgozás)
  • Számítógépes látás

Gyorspálya a Deep Learning-ban

  • Mesterséges Neural Networks (ANN-ok)
  • Mesterséges Neural Networks kontra Bio logikai Neural Networks
  • Továbbítás Neural Networks
  • Aktiválási funkciók
  • Mesterséges képzés Neural Networks

Gyorspálya a Deep Learning-ban (Folytatás...)

  • Deep Learning Modellek
    • Konvolúciós hálózatok és visszatérő hálózatok
  • Konvolúciós Neural Networks (CNN-ek vagy ConvNet-ek)
    • Konvolúciós réteg
    • Összevonó réteg
    • Konvolúciós Neural Networks Építészet

05. hét

Gyorspálya a Deep Learning-ban (Folytatás...)

  • Ismétlődő Neural Networks (RNN)
    • RNN képzése
    • A gradiensek stabilizálása edzés közben
    • Hosszú távú, rövid távú memória hálózatok
  • Deep Learning Platformok és szoftverkönyvtárak
    • Deep Learning a ROS-ben

Big Data használata a robotodban

  • Big data fogalmak
  • Adatelemzés megközelítései
  • Big Data szerszámozás
  • A minták felismerése az adatokban
  • Gyakorlat: NLP és Computer Vision nagy adathalmazokon

Big Data használata a robotodban (Folytatás...)

  • Nagy adathalmazok elosztott feldolgozása
  • Big Data és Robotics együttélése és keresztezése
  • A robot mint adatgenerátor
    • Tartománymérő érzékelők, helyzet-, vizuális, tapintható érzékelők és egyéb módozatok
  • Az érzékszervi adatok értelmesítése (érzékelés-terv-cselekvés hurok)
  • Gyakorlat: Streaming adatok rögzítése

Programming egy autonóm Deep Learning robot

  • Deep Learning robot alkatrészek
  • A robotszimulátor beállítása
  • CUDA-gyorsítású neurális hálózat futtatása a Cafe segítségével
  • Hibaelhárítás

06. hét

Programming egy autonóm Deep Learning robot (Folytatás...)

  • Objektumok felismerése fényképeken vagy videofolyamokon
  • Számítógépes látás engedélyezése a OpenCV segítségével
  • Hibaelhárítás

Adatelemzés

  • A robot használata új adatok gyűjtésére és rendszerezésére
  • Eszközök és folyamatok az adatok értelmezéséhez

Robot telepítése

  • Szimulált robot átalakítása fizikai hardverre
  • A robot telepítése a fizikai világban
  • Robotok felügyelete és szervizelése terepen

Robotja biztonsága

  • Az illetéktelen beavatkozás megakadályozása
  • Megakadályozza, hogy hackerek megtekintsék és ellopják az érzékeny adatokat

Robot építése közösen

  • Robot építése a felhőben
  • Csatlakozás a robotikai közösséghez

Future Outlook a robotok számára a tudomány és az energia területén

Összegzés és következtetés

Követelmények

  • Programming tapasztalat C vagy C++
  • Programming tapasztalat a Python-ban (hasznos, de nem szükséges; tanfolyam részeként tanítható)
  • Linux parancssor használatában szerzett tapasztalat

Közönség

  • Fejlesztők
  • Mérnökök
  • Tudósok
  • Technikusok
 120 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák