Autonómia navigáció és SLAM a ROS 2-val Képzés

A mesterséges intelligencia (MI) és a robotika összekapcsolása gépi tanulást, vezérlési rendszereket és érzékelő-integrációt használva olyan okos gépeket teremt, amelyek képesek felismerni, gondolkodni és önállóan cselekedni. A modern eszközök, mint a ROS 2, a TensorFlow és az OpenCV segítségével mostantól olyan robotokat tervezhetnek mérnökök, amelyek intelligensen navigálhatnak, tervezhetnek és interakcióba léphetnek a valós világ környezetével.

Ez az oktató által vezetett élő képzés (online vagy helyszínen) közepes szintű mérnökök számára készült, akik a jelenlegi nyílt forráskódú technológiák és keretrendszerek segítségével MI-alapú robotrendszerfejlesztést szeretnének tanulni, betanítani és bevezetni.

A képzés végén a résztvevők képesek lesznek:

• Python és ROS 2 használatával építeni és szimulálni robotviselkedéseket.
• Kalman- és Részecskészűrőket implementálni helymeghatározásra és nyomkövetésre.
• Tárgyi felismerést és detektálást alkalmazni az OpenCV segítségével a felismeréshez.
• Mozgáspredikciót és tanulási vezérlést használni a TensorFlow segítségével.
• Integrálni az SLAM (Simultaneous Localization and Mapping) önkényes navigációhoz.
• Mesterséges intelligencia alapú megtanuló modelleket fejleszteni a robot döntési folyamatának javításához.

A képzés formátuma

• Interaktív előadás és vita.
• Működőképes implementáció ROS 2 és Python segítségével.
• Gyakorlati gyakorlatok szimulált és valós robot környezetben.

Képzés testreszabási lehetőségek

A képzés testreszabásának kérelmezéséhez kérjük, lépjen kapcsolatba velünk a megfelelő rendezés érdekében.

Ez az oktatóvezetésű, élő tanfolyam Magyarország (online vagy helyszíni) keretében a résztvevők megismerhetik a különböző technológiákat, keretrendszereket és technikákat, amelyekkel különböző típusú robotokat lehet programozni az atomtechnológiai és környezeti rendszerek terén való alkalmazáshoz.

A 6 héttel tartó kurzus heti 5 napos. Minden nap 4 órás és előadások, beszélgetések, valamint élő laboratóriumi környezetben történő robotfejlesztésből áll. A résztvevők különböző valós világbeli projekteket fognak végrehajtani, hogy gyakorolják az elsajátított ismeretüket.

A kurzus célhardverét 3D-s szimulációs programmal lehet szimulálni. A ROS (Robot Operating System) nyílt forráskódú keretrendszert, C++-t és Python-t fogják használni a robotok programozásához.

A tanfolyam végére a résztvevők képesek lesznek:

• Megérteni a robottechnológiában használt kulcsfogalmakat.
• Megérteni és kezelni a robotikus rendszerben a szoftver és hardver közötti interakciót.
• Megérteni és implementálni a robotika alapját képező szoftverkomponenseket.
• Létrehozni és működtetni egy szimulált mechanikus robott, amely lát, érzékel, feldolgoz, navigál, és beszéd útján emberrel kommunikál.
• Megérteni az öntudatos robot építéséhez szükséges művészi intelligencia (gép tanulás, mély tanulás stb.) elemeit.
• Implementálni a Kalman és Partikuláris szűrőket, hogy a robot képes legyen mozgó tárgyakat azonosítani környezetében.
• Implementálni kereső algoritmusokat és mozgástervezést.
• Implementálni PID-irányítást a robot mozgásának szabályozására egy környezetben.
• Implementálni SLAM algoritmusokat, hogy a robot képes legyen ismeretlen környezeteket feltérképezni.
• Bővíteni a robot képességeit a mély tanulás segítségével, hogy összetett feladatok végrehajtására képes legyen.
• Tesztelni és hibakeresést végezni egy roboton valós helyzetekben.

Ez az oktatóvezetett, élő (online vagy helyszíni) képzés során a résztvevők megtanulják a különböző technológiákat, keretrendszereket és technikákat, amelyek szükségesek különböző robotok programozására, amelyek a nukleáris technológia és környezeti rendszerek terén használhatók.

A 4 hetes kurzus heti 5 alkalommal tart, minden nap 4 órás, előadásokból, beszélgetésekből és gyakorlati robotfejlesztésből álló élő laboratóriumi környezetben. A résztvevők különböző valós világbeli projekteket végeznek el, amelyek alkalmazhatók munkájukban, hogy gyakorolják a megszerzett tudásukat.

Ez a kurzus célhardverét 3D-s szimulációs szoftverrel szimulálják. A kódot ezután fizikai hardverre (Arduino vagy egyéb) töltik fel a végleges telepítési teszteléshez. A ROS (Robot Operating System) nyílt forráskódú keretrendszer, C++ és Python használatos lesz a robotok programozására.

Ez a képzés végén a résztvevők képesek lesznek:

• Megértik a robotikus technológiák kulcsfontosságú fogalmait.
• Megértik és kezelhetik a szoftver és hardver közötti interakciót egy robotikus rendszerben.
• Megértik és implementálják a robotika alapját képező szoftverkomponenseket.
• Kiépíthetnek és működtethetnének egy szimulált mechanikus robotot, amely lát, érzékel, feldolgoz, navigál és beszélget emberrel hangon keresztül.
• Megértik az mesterséges intelligencia (gép tanulás, mély tanulás stb.) szükséges elemeit egy okos robot építéséhez.
• Implementálják a szűrőket (Kalman és részecske), hogy a robot mozgó tárgyakat ismerjen fel környezetében.
• Implementálják a kereső algoritmusokat és a mozgási tervezést.
• Implementálják a PID irányítást, hogy szabályozzák a robot mozgását egy környezetben.
• Implementálják a SLAM algoritmusokat, hogy a robot ismeretlen környezetet térképezzen fel.
• Tesztelik és hibakeresést végeznek egy roboton valós körülmények között.

Az Azure Bot Service kombinálja a Microsoft Bot Framework és az Azure függvények erejét, hogy intelligens botok gyors fejlesztésének lehetővé váljon.

Ez az interaktív, tanárok vezetésű képzés során a résztvevők megtanulhatják, hogyan hozzanak létre intelligens bótot a Microsoft Azure segítségével

A képzés végén a résztvevők képesek lesznek:

• Megérteni az intelligens botok alapjait
• Megtanulni, hogyan hozhatók létre intelligens botok felhőalapú alkalmazásokkal
• Megérteni a Microsoft Bot Framework, a Bot Builder SDK és az Azure Bot Service használatát
• Megérteni, hogyan lehet botokat tervezni bot minták segítségével
• Fejleszteni az első intelligens bótjukat a Microsoft Azure segítségével

Célcsoport

• Fejlesztők
• Hobbyizták
• Mérnökök
• IT szakemberek

A képzés formája

• Részben előadás, részben vita, gyakorlatok és intenzív gyakorló feladatok

Az OpenCV egy nyílt forráskódú számítógépes látási könyvtár, amely lehetővé teszi a valós idejű képfeldolgozást, míg a mély tanulási keretrendszerek, mint a TensorFlow, eszközöket nyújtanak az okos észleléshez és döntéshozatalhoz a robotikai rendszerekben.

Ez az oktató által vezetett élő képzés (online vagy helyszíni) olyan középhaladó robotika-mérnököknek, számítógépes látás-praktikusoknak és gépi tanulási mérnököknek irányzott, akik szeretnék alkalmazni a számítógépes láthatósági és mély tanulási technikákat a robotikai észleléshez és önálló működéshez.

A képzés végén a résztvevők képesek lesznek:

• Számítógépes látás folyamatokat valósítani meg az OpenCV-val.
• Mély tanulási modelleket integrálni az objektum-felismeréshez és -azonosításhoz.
• Látási adatokat használni a robotikai irányításra és navigációra.
• Klasszikus látási algoritmusokat kombinálni mély neurális hálózatokkal.
• Számítógépes láthatósági rendszereket ütemezni beágyazott és robotikai platformokon.

A kurzus formátuma

• Interaktív előadás és tárgyalás.
• Kézi gyakorlás az OpenCV és TensorFlow használatával.
• Élő laborimplementáció szimulált vagy fizikai robotikai rendszerekben.

Kurzus testreszabási lehetőségek

• A kurzus testreszabásának kérése érdekében kérjük, lépjen kapcsolatba velünk a rendezéshez.

A bot vagy chatbot olyan, mint egy számítógépes asszisztens, amely automatizálja a felhasználói interakciókat különböző üzenetküldő platformokon, és gyorsabban intézi el a dolgokat anélkül, hogy a felhasználóknak beszélniük kellene egy másik emberrel.

Ezen az oktató által vezetett, élő tréningen a résztvevők megtanulják, hogyan kezdjenek hozzá egy bot fejlesztéséhez, miközben botfejlesztő eszközök és keretrendszerek segítségével csevegőbot-mintákat hoznak létre.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a botok különböző felhasználásait és alkalmazásait
• Ismerje meg a robotok fejlesztésének teljes folyamatát
• Fedezze fel a robotok építéséhez használt különféle eszközöket és platformokat
• Készítsen minta chatbotot a Facebook Messenger számára
• Készítsen minta chatbotot az Microsoft Bot Framework segítségével

Közönség

• Saját bot létrehozása iránt érdeklődő fejlesztők

A tanfolyam formátuma

• Rész előadás, részben beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

Az Edge AI lehetővé teszi, hogy mesterséges intelligencia modellek közvetlenül beágyazott vagy erőforrás-szoros eszközökön fuszanak, csökkentve az időkészségét és a teljesítményt, miközben növeli az önállóságot és a privátiságot robotikai rendszerekben.

Ez az oktató által vezetett élő képzés (online vagy helyszíni) közép szintű beágyazott fejlesztőknek és robotika mérnököknek szól, akik kívánjanak gépi tanulási inferencia- és optimalizálási technikákat közvetlenül robotikai hardveren implementálni a TinyML és az Edge AI keretrendszerek segítségével.

A képzés végeztével a résztvevők képesek lesznek:

• A TinyML és az Edge AI alapjainak megértése robotikában.
• AI modellek konvertálása és implementálása eszközön futó inferenciához.
• Modell optimalizálása sebesség, méret és energiahatékonyság szempontjából.
• Edge AI rendszerek integrálása robotikai irányítási architektúrákba.
• A teljesítmény és a pontosítás értékelése valós helyzetekben.

Képzés formátuma

• Interaktív előadás és vita.
• Gyakorlás a TinyML és az Edge AI eszközökházasított verzióinak használatával.
• Praktikum beágyazott és robotika hardver platformokon.

Képzés személyre szabása

• Ez a képzés személyre szabásáért kérjük lépjen kapcsolatba velünk a megfelelő rendezéséhez.

Ez az oktató által vezetett élő képzés Magyarország (online vagy helyszíni) középhozzállástú résztvevőkre vonatkozik, akik szeretnék felfedezni a szerepét az együttműködő robotoknak (cobots) és más emberi középpontú mesterséges intelligencia rendszereknek a modern munkahelyeken.

A képzés végeztével a résztvevők képesek lesznek:

• Megérteni az Emberi Középpontú Fizikai Mesterséges Intelligencia elveit és alkalmazásait.
• Felfedezni a szerepét az együttműködő robotoknak a munkahely termelékenységének növelésében.
• Azonosítani és kezelni a ember-gép interakciók kihívásait.
• Tervezni olyan munkafolyamatokat, amelyek optimalizálják az emberek és a mesterséges intelligenciával vezérelt rendszerek együttműködését.
• Fokozni a kultúrát az innovációra és alkalmazkodásra a mesterséges intelligenciával integrált munkahelyeken.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) mérnökök számára készült, akik szeretnének megismerkedni a mesterségek mesterségeinek (AI) alkalmazhatóságával a mechatronikai rendszerekben.

A képzés végén a résztvevők képesek lesznek:

• Áttekintést nyerni a mesterségek mesterségeiről (AI), gépi tanulásról és számítási intelligenciáról.
• Megérteni a neurális hálózatok és különböző tanulási módszerek alapvető fogalmait.
• Hatékonyan választani mesterségek mesterségei (AI) megoldásokat valós életben szereplő problémákra.
• Implementálni mesterségek mesterségei (AI) alkalmazásokat a mechatronikai mérnökségben.

Ez a szakértő vezette, élő képzés Magyarország (online vagy helyszínen) az olyan előrehaladott szintű robotikai mérnököknek és műszaki szakembereknek szólnak, akik a Multimodal AI-t szeretnék felhasználni különböző érzékelőadatok integrálására, hogy autonómabb és hatékonyabb robotokat hozzanak létre, amelyek látnak, hallanak és érzik.

A képzés végén a résztvevők képesek lesznek:

• Multimodal érzékelést implementálni robotikai rendszerekben.
• Érzékelőadatok fúziójához és döntéshozatalhoz szükséges AI algoritmusokat fejlesztik.
• Robotokat hoznak létre, amelyek képesek komplex feladatok elvégzésére dinamikus környezetben.
• Valós idejű adatfeldolgozási és aktuációs kihívásokat oldanak meg.

Ez az oktató által vezetett, élő tanfolyam Magyarország (online vagy helyszínen) középfokú résztvevőkre vonatkozik, akik a robotika és automatizálás területén intelligens robottömbök kialakításában, programozásában és telepítésében szeretnék fejleszteni képességeiket.

A tanfolyam végén a résztvevők képesek lesznek:

• Megérteni a fizikai mesterségek elveit és alkalmazásaikat a robotika és automatizálás területén.
• Tervezni és programozni intelligens robottömböket dinamikus környezetekben.
• Implementálni mesterséges intelligencia modellket az önálló döntéshozatalhoz a robotokban.
• Hasznosítani szimulációs eszközöket robottesztelés és optimalizálás érdekében.
• Megoldani kihívásokat, mint például a szenzorök összekötése, valós idejű feldolgozás és energiahatékonyság.

Az erősítő tanulás (RL) egy gépi tanulási paradigma, ahol az ügynökök úgy tanulnak döntéseket meghozni, hogy interakcióba lépnek környezetükkel. A robotika területén az RL lehetővé teszi önálló rendszerek adaptív ellenőrzési és döntéshozatali képességeinek fejlesztését tapasztalattal és visszajelzéssel.

Ez a tanárok irányleadású, élő képzés (online vagy helyszínen) haladó szintű gépi tanulási mérnököknek, robotika kutatóknak és fejlesztőknek szánt, akik szeretnék tervezni, megvalósítani és üzembe helyezni erősítő tanulási algoritmusokat robotikai alkalmazásokban.

A képzés végére a résztvevők képesek lesznek:

• Értetni az erősítő tanulás elveit és matematikáját.
• Megvalósítani RL algoritmusokat, mint például a Q-learning, DDPG és PPO-t.
• Egészíteni be az erősítő tanulást robotikai szimulációs környezetekbe az OpenAI Gym és ROS 2 használatával.
• Képesíteni a robotokat arra, hogy összetett feladatokat hajtassanak végre önállóan kipróbálás és hiba elkerülése révén.
• A tanulási teljesítmény optimalizálása mély tanulási keretrendszerek, mint a PyTorch használatával.

Képzés formátuma

• Interaktív előadás és vitafórum.
• Működési gyakorlatok a Python, PyTorch és OpenAI Gym használatával.
• Működési feladatok szimulált vagy fizikai robotikai környezetben.

Képzés testreszabási opciók

• Ezen képzés testreszabásának kérése érdekében kérjük, lépjen kapcsolatba velünk a rendezéshez.

A Biztonságos és magyarázható robotika egy átfogó képzés a robotikai rendszerek biztonságának, ellenőrzésének és etikai irányításának területén. A tanfolyam elméleti és gyakorlati ismereteket köt össze, beleértve a biztonsági eset metódologiái, veszélyelemzési technikák és magyarázható mesterséges intelligencia megközelítéseket, amelyek átláthatónak és megbízhatónak teszik a robotikai döntési folyamatokat. A résztvevők megtanulják, hogyan biztosítsák a megfelelőséget, ellenőrizhessék a viselkedést és dokumentálhassák a biztonsági garanciát nemzetközi szabványoknak megfelelően.

Ez az oktató által vezetett, élő képzés (online vagy helyszínen) középfokú szakemberekre vonatkozik, akik szeretnék alkalmazni a ellenőrzési, érvényesítési és magyarázhatósági elveket a robotikai rendszerek biztonságos és etikus bevezetése érdekében.

A képzés végén a résztvevők képesek lesznek:

• Biztonsági esetek kialakítása és dokumentálása robotikai és önvezető rendszerek számára.
• Ellenőrzési és érvényesítési technikák alkalmazása szimulációs környezetben.
• Magyarázható mesterséges intelligencia keretrendszerek megértése a robotika döntési folyamatához.
• Biztonság- és etikai elvek integrálása a rendszertervezésbe és működtetésbe.
• Biztonsági és átláthatósági követelmények kommunikálása a sérülékeny résztvevőkkel.

Képzés formátuma

• Interaktív előadás és vitaszórás.
• Gyakorlati szimulációs és biztonsági elemző feladatok.
• Változatos robotikai alkalmazások eseteinek áttekintése.

Képzés személyre szabása

• Egyedi képzés kérése ennek a tanfolyamnak. Kérjük, lépjen kapcsolatba velünk a rendezésért.

Az intelligens robot egy olyan Artificial Intelligence (AI) rendszer, amely képes tanulni a környezetéből és tapasztalataiból, és e tudáson alapuló képességeire építeni. Smart Robots tud együttműködni az emberekkel, velük együtt dolgozni, és tanulni viselkedésükből. Ráadásul nemcsak fizikai munkára, hanem kognitív feladatokra is képesek. A fizikai robotok mellett a Smart Robots lehet pusztán szoftver alapú is, amely a számítógépben, mint szoftveralkalmazásban található, és nincs mozgó alkatrész, vagy fizikai interakció a világgal.

Ezen az oktató által vezetett, élő tréningen a résztvevők megtanulják a különböző technológiákat, keretrendszereket és technikákat a különböző típusú mechanikusok programozására Smart Robots, majd ezt a tudást alkalmazzák saját Smart Robot projektjeik megvalósításához.

A kurzus 4 részre oszlik, mindegyik háromnapos előadásokból, beszélgetésekből és gyakorlati robotfejlesztésből áll, élő laborkörnyezetben. Minden szekció gyakorlati gyakorlati projekttel zárul, hogy a résztvevők gyakorolhassák és bemutathassák megszerzett tudásukat.

A kurzus célhardverét 3D-ben szimulálják szimulációs szoftver segítségével. A ROS (Robot Operating System) nyílt forráskódú keretrendszer, C++ és Python lesz a robotok programozása.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a robottechnológiában használt kulcsfogalmakat
• A szoftver és a hardver közötti interakció megértése és kezelése egy robotrendszerben
• A Smart Robots alapját képező szoftverösszetevők megértése és megvalósítása
• Szimulált mechanikus intelligens robot létrehozása és működtetése, amely képes látni, érzékelni, feldolgozni, megragadni, navigálni, és hangon keresztül kölcsönhatásba lépni velük
• Bővítse az intelligens robotok képességét összetett feladatok elvégzésére a Deep Learning segítségével
• Teszteljen és hárítson el egy intelligens robotot valósághű forgatókönyvek szerint

Közönség

• Fejlesztők
• Mérnökök

A tanfolyam formátuma

• Rész előadás, részben beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

Jegyzet

• A tanfolyam bármely részének testreszabásához (programozási nyelv, robotmodell stb.) kérjük, lépjen kapcsolatba velünk, hogy megbeszéljük.

A Smart Robotics az olyan robotrendszerek integrációja mesterséges intelligenciával, amely javítja az érzékelést, döntéshozatalt és önálló irányítást.

Ez az oktatóvezetett, élő (online vagy helyszíni) képzés a haladó szintű robotika mérnökekre, rendszermérnökökre és automatizálási vezetőkre irányul, akik szeretnének implementálni az AI-vezérelt érzékelést, tervezést és irányítást intelligens gyártási környezetekben.

E képzés végén a résztvevők képesek lesznek:

• Megérteni és alkalmazni az AI technikákat robotika érzékelésére és szenzorfúzióra.
• Mozgástervezési algoritmusokat fejleszteni kollaboratív és ipari robotokhoz.
• Tanuló alapú irányítási stratégiákat telepíteni valós idejű döntéshozatalhoz.
• Intelligens robotrendszereket integrálni intelligens gyárfolyamatokba.

A képzés formátuma

• Interaktív előadás és beszélgetés.
• Sok gyakorlat és gyakorlás.
• Élő-labori környezetben történő gyakorlati implementáció.

A képzés testreszabási lehetőségei

• Ha egy testreszabott képzést szeretne e képzésre, kérjük, lépjen kapcsolatba velünk, hogy megbeszéljük.