Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Multimodal AI bevezetése a robotikában
- Multimodal AI szerepét a robotikában
- Áttekintés a robotok érzékelőrendszereiről
Multimodális érzékelőtechnológiák
- Érzékelőtípusok és alkalmazásuk a robotikában
- Egyéb érzékelőbeviteli információk integrálása és szinkronizálása
Multimodális robotrendszerek építése
- Multimodális robotok tervezési elvei
- Keretek és eszközök robotrendszer-fejlesztéshez
AI algoritmusok az érzékelőadatok összevonásához
- Érzékelőadat összevonásának technikái
- Robotikában történő döntéshozatalra szolgáló gépi tanulási modellek
Autonóm robotviselkedések fejlesztése
- Robotok létrehozása, amelyek képesek navigálni és kölcsönhatni környezetükkel
- Autonóm robotok esettanulmányai különböző iparágakban
Valós idejű adatok feldolgozása
- Nagy mennyiségű érzékelőadatok kezelése valós időben
- Teljesítmény optimalizálása a reagálóképesség és a pontosítás érdekében
Mozgás és irányítás multimodális robotokban
- Érzékelőbeviteli információ robotmozgásba fordítása
- Összetett robotfeladatokra szolgáló irányítási rendszerek
Etikai szempontok robotrendszerekben
- Robotok etikus felhasználásának megvitálása
- Adatgyűjtés során a robotokban a magánéletvédelem és a biztonság
Projekt és értékelés
- Egyszerű multimodális robotrendszer tervezése, prototípusgyártása és hibakeresése
- Értékelés és visszajelzés
Összegzés és következő lépések
Követelmények
- Robotika és mesterséges intelligencia alapos ismerete
- Python és C++ ismerete
- Érzékelő technológiák ismerete
Audience
- Robotika mérnökök
- AI kutatók
- Automatizálási szakértők
21 Órák
Vélemények (1)
Érzem, hogy megkapom a alapvető készségeket, amiket szükséges ahhoz, hogy megértsem, hogyan épül össze a ROS, és hogyan kell projekteket szervezni benne.
Dan Goldsmith - Coventry University
Kurzus - ROS: Programming for Robotics
Gépi fordítás