Robot manipuláció és megfogás mély tanulással Képzés

A mesterséges intelligencia (MI) a robotikában ötvözi a gépi tanulást, vezérlőrendszereket és érzékelői adatok összekapcsolását olyan okos gépek létrehozására, amelyek képesek vagy a világ körültekintésre, gondolkodásra és önálló akciók elvégzésére. A modern eszközök, mint például a ROS 2, TensorFlow és az OpenCV segítségével mostantól olyan robotokat tervezhetnek mérnökök, amelyek intelligens módon navigálhatnak, tervet alkothatnak és interakcióba léphetnek a valós világ környezeteivel.

Ez az interaktív képzés (online vagy személyes) köztes szintű mérnököknek szól, akik MI-alapú robotrendszer fejlesztését, betanítását és üzembe helyezését jelenlegi nyílt forráskódú technológiák és keretrendszerek segítségével szeretnék elvégezni.

A képzés végére a résztvevők képesek lesznek:

• Python és ROS 2 használatával építeni és szimulálni robotviselkedéseket.
• Kalman- és részecskeszűrők implementálása helymeghatározásra és nyomon követésre.
• Látványi elemzési technikák alkalmazása az OpenCV-val észleléshez és objektumfelismeréshez.
• A TensorFlow használata mozgás előrejelzésére és tanulási alapú vezérlésre.
• SLAM (Simultaneous Localization and Mapping) integrálása önálló navigációhoz.
• Reinforcement learning modellek fejlesztése a robot döntéshozatalának javítására.

A képzés formátuma

• Interaktív előadás és vita.
• Praktikum ROS 2 és Python használatával.
• Gyakorlati gyakorlatok szimulált és valós robotkörnyezetekben.

Képzés testreszabási lehetőségei

Testreszabott képzést ezzel a témakörrel kapcsolatban szeretne kérni? Kérjük, lépjen velünk kapcsolatba a rendezéséhez.

Ez az oktatási program, amely online vagy személyes formában folyik le (instructor-led, live training) a Magyarország, a résztvevők különböző technológiák, keretrendszerek és eljárások tanulmányozását teszi lehetővé a robotok programozásához, amelyeket nukleáris technológiai és környezeti rendszereken belül használnak.

Az 6 hétes kurzus heti 5 naposan tart. Minden nap 4 óra hosszú, amely előadásokat, tárgyalásokat és robotfejlesztést élő laborában foglal magában. A résztvevők gyakorolni fognak különböző valós projekteken, amelyek relevánsak a munkájukra vonatkozóan, hogy meggyakorolhassák az általuk szerzett ismereteket.

A kurzus célzott hardverének 3D szimulációja szimulációs szoftver segítségével történik. A robotok programozásához a ROS (Robot Operating System) nyílt forráskódú keretrendszer, C++ és Python programozási nyelvek használatosak.

Az oktatási program végére a résztvevők képesek lesznek:

• A robotikai technológiák kulcsfontosságú fogalmainak megértésére.
• A szoftver és hardver egymás közötti interakciójának megértésére és kezelésére egy robotrendszerben.
• A robotika alapvető szoftver komponenseinek megértésére és implementálására.
• Egy szimulált mechanikai robot építésére és működtetésére, amely láthat, érezhet, feldolgozhat, navigálhat, és hangon keresztül interakcióba léphet az emberekkel.
• A mesterséges intelligencia (gépi tanulás, mély tanulás stb.) olyan elemeinek megértésére, amelyek alkalmazhatóak okos robotok kialakításához.
• Szűrők (Kalman és Particle) implementálása a robottal kapcsolatos mozgó objektumok helyének meghatározása érdekében.
• Keresési algoritmusok és mozgástervezés implementálása.
• PID vezérlők implementálása a robot mozgásának szabályozásához egy környezetben.
• SLAM algoritmusok implementálása, hogy a robot térképezhesse a megismertetlen környezeteket.
• Mély tanulással bővíteni egy robot képességét összetett feladatok elvégzésére.
• A robottal való tesztelés és hibaelhárítás valós forgatókönyvekben.

Ez az oktató által vezetett, élő készségfejlesztés Magyarország (online vagy helyben) során a részvevők megtanulják a nukleáris technológia és környezetszisztéma területén használt különböző robotok programozásához szükséges technológiákat, keretrendszereket és eljárásokat.

A 4 hétes tanfolyam 5 naponta tart. Minden nap 4 órát tart, amely előadásokból, beszélgetésekkel és élő labor környezetben való robot fejlesztésből áll. A részvevők gyakorlati projekteket végeznek, amelyek alkalmazkodnak a munkájukhoz, hogy gyakorolják az elérkezett ismereteiket.

A tanfolyam céljaihoz használt hardver 3D szimulációs szoftverben lesz modellezve. Az utolsó tesztelési fázis során a kód az Arduino vagy más fizikai hardverre töltődik fel. A robotok programozásához az open-source ROS (Robot Operating System) keretrendszer, C++ és Python lesz használva.

Az oktatás végére a részvevők képesek lesznek:

• Megérteni a robotika területén használt kulcsfontosságú fogalmakat.
• Megérteni és kezelni a szoftver- és hardverközötti interakciót egy robottípusban.
• Megérteni és megvalósítani a robotika alapvető szoftverkomponenseit.
• 3D-szimulációt futtató gépi robott építeni és irányítani, amely lát, érzékel, feldolgozza az információkat, navigál, és beszédvel interakcióba lép a emberrel.
• Megérteni a mesterséges intelligencia (gépi tanulás, mély tanulás stb.) alapvető elemeit, amelyek alkalmazhatóak okos robot létrehozására.
• Kalman- és részecskefiltereket implementálni a robott környezetében mozgó tárgyak helyzetét meghatározni.
• Keresési algoritmusokat és pályatervezést megvalósítani.
• PID vezérléseket implementálni a robott mozgásának szabályozása érdekében egy adott környezetben.
• SLAM algoritmusokat implementálni, hogy a robot leképezze az ismeretlen környezeteket.
• Robotot tesztelni és hibaelhárítást végezni valós helyzetekben.

A ROS 2 (Robot Operating System 2) egy nyílt forráskódú keretrendszer, amely összetett és skálázható robota alkalmazások fejlesztését támogatja.

Ez az oktató vezetésű élő képzés (online vagy helyszíni) közép szintű robottechnikusok és fejlesztők számára készült, akik a ROS 2-t szeretnék implementálni autonóm navigációs és SLAM (Simultaneous Localization and Mapping) feladatokhoz.

E képzés végeztével a résztvevők képesek lesznek:

• Beállítani és konfigurálni a ROS 2-t autonóm navigációs alkalmazásokhoz.
• Implementálni SLAM algoritmusokat térképes és helymeghatározó feladatokhoz.
• Kiépíteni érzékelőket, mint a LiDAR-t és kamerákat a ROS 2-vel.
• Szimulálni és tesztelni az autonóm navigációt a Gazebo-ban.
• Kiüzemelni navigációs veremeket fizikai robotokon.

A képzés formátuma

• Interaktív előadás és vita.
• Rendszeres gyakorlás a ROS 2 eszközeivel és szimulációs környezetekben.
• Virtuális vagy fizikai robotokon történő élő-labor implementáció és tesztelés.

Képzés testreszabási lehetőségek

• Ez a képzés testreszabásának kérése érdekében lépjen kapcsolatba velünk a rendezéshez.

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 tanárok vezetésével folytatott élő képzés Magyarország (online vagy helyszíni) haladó robottechnikusok és mesterséges intelligencia kutatók számára készült, akik többmódos AI-t szeretnének használni a különböző érzékelő adatok integrálásához annak érdekében, hogy autonómiusabb és hatékonyabb robotokat hozzanak létre, amelyek látjanak, hallanak és éreznek.

A képzés végén a résztvevők képesek lesznek:

• Implementálni többmódos érzékelést a robotrendszerben.
• Fejleszteni mesterséges intelligencia algoritmusokat az érzékelőadatok összevont kezelésére és a döntési folyamathoz.
• Kialakítani olyan robotokat, amelyek képesek komplex feladatok elvégzésére dinamikus környezetben.
• Megoldani a valós időben történő adatfeldolgozás és az aktuációs feladatokban fellépő kihívásokat.

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.

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.