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
Vélemények (1)
I feel I get the core skills I need to understand how the ROS fits together, and how to structure projects in it.