Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Introduksjon til AI og robotikk
- Oversikt over konvergensen mellom moderne robotikk og AI
- Anvendelser i autonome systemer, droner og serviceroboter
- Viktige AI-komponenter: persepsjon, planlegging og styring
Innstilling av utviklingsmiljøet
- Installasjon av Python, ROS 2, OpenCV og TensorFlow
- Bruk av Gazebo eller Webots for robot-simulering
- Arbeid med Jupyter Notebooks for AI-eksperimenter
Persepsjon og datamaskinseelse
- Bruk av kameraer og sensorer for persepsjon
- Bild klassifisering, gjenkjennelse av objekter og segmentering ved hjelp av TensorFlow
- Kantedetektering og kontur-sporing med OpenCV
- Sanntids bildestrømming og -behandling
Lokalisering og sensorfusjon
- Forståelse av probabilistisk robotikk
- Kalman-filtre og utvidede Kalman-filtre (EKF)
- Partikelfiltre for ikke-lineære miljøer
- Integrasjon av LiDAR-, GPS- og IMU-data for lokalisering
Bevegelsesplanlegging og søk etter stier
- Algoritmer for stiplanlegging: Dijkstra, A* og RRT*
- Unngåelse av hindringer og kartlegging av miljøet
- Sanntidsbevegelsesstyring ved hjelp av PID
- Dynamisk optimering av stier ved hjelp av AI
Forsterkningslæring for robotikk
- Grunnleggende prinsipper for forsterkningslæring
- Design av belønningbasert robotatferd
- Q-læring og Deep Q-Networks (DQN)
- Integrasjon av RL-agenter i ROS for adaptiv bevegelse
Samtidig lokalisering og kartlegging (SLAM)
- Forståelse av SLAM-konsepter og arbeidsflyt
- Implementering av SLAM med ROS-pakker (gmapping, hector_slam)
- Visuell SLAM ved hjelp av OpenVSLAM eller ORB-SLAM2
- Testing av SLAM-algoritmer i simulerte miljøer
Avanserte emner og integrasjon
- Tal og gest-genkjenning for menneske-robot-interaksjon
- Integrering med IoT og skybaserte robotplattform
- AI-drevet prediktiv vedlikehold av roboter
- Etik og sikkerhet i robotikk med AI
Capstone-prosjekt
- Design og simulering av en intelligent mobil robot
- Implementering av navigasjon, persepsjon og bevegelsesstyring
- Demonstrasjon av sanntids beslutningstagning ved hjelp av AI-modeller
Oppsummering og neste steg
- Gjennomgang av sentrale AI-teknikker for robotikk
- Framtidstrender i autonom robotikk
- Ressurser for videre læring
Krav
- Programmeringserfaring i Python eller C++
- Grunnleggende forståelse av datavitenskap og ingeniørfag
- Kjennskap til sannsynlighetsbegreper, kalkulus og lineær algebra
Målgruppe
- Ingeniører
- Entusiaster for robotikk
- Forskere innen automatisering og AI
21 Timer
Referanser (1)
sinnsikten og bruk av AI for robotti i fremtiden.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurs - Artificial Intelligence (AI) for Robotics
Maskinoversatt