Kurzusleírás

Bevezetés a Edge AI-ba in Robotics

  • Mi az a Edge AI?
  • Miért elengedhetetlen a Edge AI a robotikához
  • A valós idejű AI kihívásai autonóm rendszerekben

AI-modellek telepítése Edge-eszközökön

  • AI következtetés az NVIDIA Jetsonról és más hardverekről
  • A TensorFlow Lite és az ONNX használata az éles telepítéshez
  • AI modellek optimalizálása valós idejű végrehajtáshoz

Valós idejű észlelés autonóm rendszerek számára

  • Számítógépes látás robotos navigációhoz
  • Szenzorfúzió: LiDAR, kamerák és IMU-k
  • Edge AI az objektumok észleléséhez és követéséhez

Döntéshozatal és ellenőrzés Robotics

  • Az autonóm viselkedések tanulásának megerősítése
  • Útvonaltervezés és akadálykerülés
  • A késleltetés optimalizálása valós idejű AI-rendszerekben

AI integrálása ROS-vel (robot operációs rendszer)

  • A ROS és ökoszisztémája áttekintése
  • AI-alapú észlelési modellek futtatása ROS
  • Edge AI többrobotos és rajrobotikai alkalmazásokban

AI optimalizálása alacsony fogyasztású robotrendszerekhez

  • Hatékony neurális hálózati architektúrák a robotikához
  • Energiafogyasztás csökkentése AI-vezérelt robotokban
  • AI telepítése akkumulátoros robotplatformokon

Valós alkalmazások és jövőbeli trendek

  • Autonóm drónok és ipari robotok
  • AI-meghajtású robotasszisztensek
  • Jövőbeli fejlesztések a Edge AI robotikában

Összegzés és a következő lépések

Követelmények

  • Az AI és a gépi tanulási modellek megértése
  • Beágyazott rendszerekkel vagy robotikával kapcsolatos tapasztalat
  • Valós idejű számítástechnikai alapismeretek

Közönség

  • Robotics mérnökök
  • AI fejlesztők
  • Automatizálási szakemberek
 21 Órák

Résztvevők száma


Ár résztvevőnként

Közelgő kurzusok

Rokon kategóriák