Lépjen kapcsolatba velünk
 Időtartalma 21 órák

Kurzusleírás

A TinyML alapjai a robotikában

  • A TinyML fő képességei és korlátai
  • A szélén futó AI szerepe az öntudatos rendszerekben
  • Mobil robotokhoz és drónokhoz vonatkozó hardvermegfontolások

Beágyazott hardver és szenzor interfészek

  • Mikrovezérlők és beágyazott rendszerek robotikához
  • Kamerák, IMU-k és közelítésérzékelők integrálása
  • Energia- és számítási erőforrás-keret meghatározása

Adatmérnökség robotikai érzékeléshez

  • Adatgyűjtés és címkézés robotikai feladatokhoz
  • Jel- és képfeldolgozási előkészítési technikák
  • Vontatási funkció-kivonási stratégiák korlátozott eszközökön

Modellfejlesztés és optimalizálás

  • Architektúraválasztás érzékeléshez, detektáláshoz és osztályozáshoz
  • Edzőcsatornák beágyazott gépi tanulás számára
  • Modell tömörítése, kvantálása és késleltetési optimalizálás

Eszközön belüli érzékelés és vezérlés

  • Inferencia futtatása mikrovezérlőkon
  • A TinyML kimeneteinek fúziója vezérlési algoritmusokkal
  • Valós idejű biztonságosság és reakcióidő

Autonóm navigáció fejlesztése

  • Könnyű, látásalapú navigáció
  • Akadályok detektálása és kerülése
  • Környezeti érzékelés erőforrás-korlátok mellett

TinyML-alapú robotok tesztelése és érvényesítése

  • Simulációs eszközök és terepTESZTELESI megközelítések
  • Teljesítménymutatók beágyazott autonómiához
  • Hibakeresés és iteratív javítás

Integrálás robotikai platformokba

  • TinyML telepítése ROS-alapú csatornákon belül
  • ML modellek interfészelése motorvezérlőkkel
  • Megbízhatóság fenntartása hardvervariációk esetén

Összegzés és következő lépések

Követelmények

  • A robotikai rendszerarchitektúrák megértése
  • Beágyazott fejlesztési tapasztalat
  • Gépi tanulási fogalmak ismerete

Célközönség

  • Robotikai mérnökök
  • Mesterséges intelligencia kutatók
  • Beágyazott fejlesztők

Résztvevők száma


Ár per résztvevő

Vélemények (2)

Közelgő kurzusok

Rokon kategóriák