Kunstig intelligens (AI) for robotikk Treningskurs

I denne instruktørførte, live-treningen i Norge (online eller på stedet), vil deltagere lære de ulike teknologiene, rammeverkene og teknikkene for å programmere ulike typer roboter til bruk i kjerneteknologi- og miljøsystemer.

Den 6-uke lange kurset holdes 5 dager i uken. Hver dag varer 4 timer og består av forelesninger, diskusjoner og håndig robotutvikling i en live-lab-miljø. Deltagere vil fullføre ulike reelle prosjekter som er relevante for deres arbeid for å øve på den innleverte kunnskapen.

Målet med denne kurset vil bli simulert i 3D gjennom simuleringsprogramvare. ROS (Robot Operating System) open-source-rammeverket, C++ og Python vil brukes for å programmere robotene.

Ved slutt på denne treningen vil deltagere kunne:

• Forstå de nøkkeleneskonter som brukes i robotteteknologi.
• Forstå og håndtere interaksjonen mellom programvare og maskinvare i et robotsystem.
• Forstå og implementere de programvarekomponentene som ligger til grunn for robotikk.
• Bygge og driftssette en simulert mekanisk robot som kan se, oppdage, behandle, navigere og interagiere med mennesker gjennom tale.
• Forstå de nødvendige elementene av kunstig intelligens (maskinlæring, dyp læring, etc.) som er anvendelige for å bygge en smart robot.
• Implementere filtre (Kalman og Partikkel) for å gjøre det mulig for robotten å lokalisere bevegelige objekter i miljøet sitt.
• Implementere søkalgoritmer og bevægelsesplanlegging.
• Implementere PID-kontroller for å regulere robottenes bevegelser i miljøet.
• Implementere SLAM-algoritmer for å gjøre det mulig for en robot å kartlegge et ukjent miljø.
• Utvide robottens evne til å utføre komplekse oppgaver gjennom dyp læring.
• Teste og feilsøke en robot i realistiske scenarier.

I denne instruktørbaserte, live-treningen i Norge (online eller på stedet), vil deltakerne lære om de ulike teknologiene, rammeverkene og teknikkene for å programmere forskjellige typer roboter som skal brukes i feltet nuklearteknologi og miljøsystemer.

Den 4-uke lange kursen holdes 5 dager per uke. Hver dag er 4 timer langt og består av foredrag, diskusjoner og praktisk robotutvikling i et live-lab miljø. Deltakerne vil fullføre ulike sanntidsprosjekter som er relevante for deres arbeid for å øve på den kunnskapen de har oppsynet.

Det målverk som brukes i dette kurset vil bli simulert i 3D gjennom simuleringssystemer. Koden vil deretter lastes på fysisk hårdvare (Arduino eller annen) for endelig driftstesting. ROS (Robot Operating System) open-source rammeverket, C++ og Python vil brukes til å programmere robotene.

Ved slutten av denne treningen vil deltakerne kunne:

• Forstå de viktigste konseptene som brukes i robotikkteknologi.
• Forstå og håndtere interaksjonen mellom programvare og maskinvare i et robotsystem.
• Forstå og implementere programvarekomponentene som ligger til grunn for robotikk.
• Bygge og drive en simulert mekanisk robot som kan se, oppdage, prosessere, navigere og interagiere med mennesker ved hjelp av stemme.
• Forstå de nødvendige elementene i kunstig intelligens (maskinlæring, dyp læring, etc.) som er relevante for å bygge en smart robot.
• Implementere filter (Kalman og Particle) for å gjøre det mulig for robotten å lokalisere bevegelige objekter i omgivelsen sin.
• Implementere søkalgoritmer og bevægelsesplanlegging.
• Implementere PID-kontroller for å regulere robottens bevegelser i et miljø.
• Implementere SLAM-algoritmer for å gjøre det mulig for robotten å kartlegge et ukjent miljø.
• Teste og feilsøke en robot i realistiske scenarier.

ROS 2 (Robot Operating System 2) er en open-source ramme som er utviklet for å støtte utviklingen av komplekse og skalablene robotapplikasjoner.

Dette instruktørledede, live-treningen (online eller på stedet) er rettet mot mellomnivås robotikkforskere og utviklere som ønsker å implementere selvstyrende navigasjon og SLAM (Simultaneous Localization and Mapping) ved hjelp av ROS 2.

Avslutningen på denne treningen vil deltakerne kunne:

• Konfigurere og sette opp ROS 2 for selvstyrende navigasjonsapplikasjoner.
• Implementere SLAM-algoritmer for kartlegging og lokalisering.
• Integrasjon av sensorer som LiDAR og kameraer med ROS 2.
• Simulere og teste selvstyrende navigasjon i Gazebo.
• Distribuere navigasjonsstacks på fysiske roboter.

Kursformat

• Interaktiv forelesning og diskusjon.
• Håndværkspraksis ved hjelp av ROS 2-verktøy og simuleringsmiljøer.
• Livslab-implementering og testing på virtuelle eller fysiske roboter.

Kursinnholdstillpasningsmuligheter

• For å be om et tilpasset trening for dette kurset, vennligst kontakt oss for å ordne.

Azure Bot Service kombinerer styrken til Microsoft Bot Framework og Azure-funksjoner for å muliggjøre rask utvikling av intelligente boter.

I denne instruktørledede, live-trainingen vil deltakere lære å enkelt opprette en intelligent bot ved hjelp av Microsoft Azure.

Ved slutten av denne treningen vil deltakere kunne:

• Lære grunnleggende om intelligente boter
• Lære å opprette intelligente boter ved hjelp av skyapplikasjoner
• Forstå hvordan man bruker Microsoft Bot Framework, Bot Builder SDK og Azure Bot Service
• Forstå hvordan man designer boter ved hjelp av botmønstre
• Utvikle sin første intelligente bot ved hjelp av Microsoft Azure

Målgruppe

• Utviklere
• Hobbyister
• Ingeniører
• IT-profesjonelle

Kursformat

• Delvis forelesning, delvis diskusjon, øvelser og mye hånds-on praksis

OpenCV er et open-source bibliotek for datavisjon som gjør det mulig å behandle bilder i sanntid, mens deep learning rammerverk som TensorFlow gir verktøyene for intelligent oppfattelse og beslutningsprosesser i robotikk-systemer.

Dette instruktørflyttere, live-treningen (online eller på stedet) er rettet mot mellomnivå-robotikk-ingeniører, datavisjon-praktikere og maskinlæring-ingeniører som ønsker å anvende datavisjons- og deep learning-teknikker for robotikk-persepsjon og autonomi.

Etter denne treningen vil deltakerne kunne:

• Implementere datavisjons-rørledninger ved hjelp av OpenCV.
• Tilpasse deep learning-modeller for objektetekning og -gjenkjenning.
• Bruk visuelt data til robotikk-styring og navigasjon.
• Kombinere klassiske visjonsalgoritmer med dype nevrale nettverk.
• Distribuere datavisjons-systemer på inbyggede og robotikk-plattformer.

Kursformat

• Interaktiv forelesning og diskusjon.
• Håndig praksis ved hjelp av OpenCV og TensorFlow.
• Liv-lab implementasjon på simulerede eller fysiske robotikk-systemer.

Kurs tilpassingsalternativer

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.

En bot eller chatbot er som en dataassistent som brukes til å automatisere brukerinteraksjoner på ulike meldingsplattformer og få ting gjort raskere uten at brukerne trenger å snakke med et annet menneske.

I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de kan komme i gang med å utvikle en bot når de går gjennom opprettelsen av eksempelchatboter ved å bruke robotutviklingsverktøy og -rammeverk.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå de forskjellige brukene og bruksområdene til roboter
• Forstå hele prosessen med å utvikle roboter
• Utforsk de forskjellige verktøyene og plattformene som brukes til å bygge roboter
• Bygg en prøve chatbot for Facebook Messenger
• Bygg en prøve chatbot ved å bruke Microsoft Bot Framework

Publikum

• Utviklere som er interessert i å lage sin egen bot

Format på kurset

• Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Edge AI gjør det mulig å kjøre kunstige intelligensmodeller direkte på innebyggede eller ressursbegrensete enheter, noe som reduserer latenstid og strømforbruk samtidig som autonomi og privatliv blir økt i robotiske systemer.

Dette instruktørførte, live-treningen (online eller på stedet) er rettet mot mellomnivå innebyggede utviklere og robotikk ingeniører som ønsker å implementere maskinlæring inferens- og optimeringsteknikker direkte på robotikk hardvara ved hjelp av TinyML og Edge AI rammeverk.

Til slutt av denne treningen vil deltakerne kunne:

• Få en forståelse for grunnleggende prinsipper i TinyML og edge AI for robotikk.
• Konvertere og distribuere AI-modeller for inferens på enheten.
• Optimere modeller for hastighet, størrelse og energieffektivitet.
• Integrasjon av edge AI-systemer i robotikk kontrollarkitekturer.
• Vurdere ytelse og nøyaktighet i sanne miljøer.

Kursformat

• Interaktiv forelesning og diskusjon.
• Praktisk øvelse ved hjelp av TinyML- og edge AI-verktøykasser.
• Pedagogiske øvelser på innebyggede og robotikk hardvara platformer.

Kurs tilpasningsmuligheter

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.

Dette instruktørledede, live-utdanningen i Norge (online eller på stedet) er rettet mot deltakere på mellomnivå som ønsker å utforske rollen til samarbeidsroboter (cobots) og andre menneskefokuserte AI-systemer i moderne arbeidsplasser.

Til slutt av denne utdanningen, vil deltakerne kunne:

• Forstå prinsippene for Menneskefokusert Fysisk KI og dets anvendelser.
• Utforske rollen til samarbeidsroboter i forbedring av produktivitet på arbeidsplassen.
• Identifisere og håndtere utfordringer i menneskemaskin-interaksjon.
• Designe arbeidsflyt som optimiserer samarbeid mellom mennesker og AI-drevne systemer.
• Fremme en kultur av innovasjon og tilpasningsdyktighet i AI-integrede arbeidsplasser.

Dette kurset, ledet av instruktører, (online eller på stedet) er rettet mot ingeniører som ønsker å lære om anvendeligheten av kunstig intelligens i mekatroniske systemer.

Ved slutten av dette kurset, vil deltakerne kunne:

• Få en oversikt over kunstig intelligens, maskinlæring og beregningsintelligens.
• Forstå konseptene om neuronale nettverk og ulike læremetoder.
• Velge kunstig intelligens tilnærming effektivt for virkelige problemer.
• Implementere AI-applikasjoner i mekatronikk.

Dette instruktørlastede, liveopplæringen i Norge (online eller på stedet) er rettet mot høy nivå robotikk ingeniører og AI forskere som ønsker å bruke Multimodal AI for å integrere ulike sensoriske data for å skape mer autonome og effektive roboter som kan se, høre og føle.

Ved slutten av dette kurset vil deltakerne kunne:

• Implementere multimodal sensoring i robotiske systemer.
• Utvikle AI-algoritmer for sensorfusjon og beslutningstaking.
• Skape roboter som kan utføre komplekse oppgaver i dynamiske miljøer.
• Tackle utfordringer knyttet til realtids dataforbehandling og aktuering.

Dette instruktørledede, live-treningen i Norge (online eller på stedet) er rettet mot deltakere på mellomnivå som ønsker å forbedre sine ferdigheter i design, programmering og implementering av intelligente robotiske systemer for automatisering og mer.

Ved slutten av denne treningen vil deltakerne kunne:

• Forstå prinsippene for fysisk AI og dets anvendelser i robottikk og automatisering.
• Designe og programmere intelligente robotiske systemer for dynamiske miljøer.
• Implementere AI-modeller for autonomt beslutningsfattning i robotten.
• Utnytte simuleringstøy for robottesting og optimalisering.
• Håndtere utfordringer som sensorfusjon, sanntidsbehandling og energieffektivitet.

Reinforcement learning (RL) er en maskinlæringsteori der tillater agenter å lære å ta beslutninger ved å interagere med et miljø. I robotikk lar RL autonome systemer utvikle tilpassede kontroll- og beslutningskapasiteter gjennom erfaring og tilbakemelding.

Dette instruktørførte, live-treningen (online eller på stedet) er rettet mot avanserte maskinlæringsingeniører, robotikkforskere og utviklere som ønsker å designe, implementere og distribuere reinforcement learning-algoritmer i robotapplikasjoner.

Avslutningen av denne treningen vil deltagene kunne:

• Føre ut prinsipper og matematikk rundt reinforcement learning.
• Implementere RL-algoritmer som Q-learning, DDPG og PPO.
• Integrasjon av RL med robotikksimuleringmiljøer ved hjelp av OpenAI Gym og ROS 2.
• Trene roboter til å utføre komplekse oppgaver autonomt gjennom prøv og feil.
• Optimere treningseffektivitet ved hjelp av deep learning-rammeverk som PyTorch.

Kursformat

• Interaktiv forelesning og diskusjon.
• Praktisk implementering ved hjelp av Python, PyTorch og OpenAI Gym.
• Pedagogiske øvelser i simulerte eller fysiske robotikkmiljøer.

Kursinnhold tilpassningsoptsjoner

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å avtale.

Sikker og Forklarbar Robotikk er et omfattende kurs som fokuserer på sikkerhet, verifisering og etisk styring av robotiske systemer. Kursene brytter bro mellom teori og praksis ved å utforske metoder for sikkerhetsargumenter, fareanalyser og tilnærminger til forklarbar AI som gjør robotbasert beslutningstaking transparent og trovurdig. Deltakerne vil lære hvordan de kan forsikre om overholdelse, verifisere oppførsel og dokumentere sikkerhetsgarantier i tråd med internasjonale standarder.

Dette instruktørledede, live-kurset (online eller på stedet) er rettet mot mellomnivå-professionelle som ønsker å anvende prinsipper for verifisering, validering og forklarbarhet for å forsikre om sikker og etisk implementering av robotiske systemer.

Ved slutten av dette kurset vil deltakerne kunne:

• Utvikle og dokumentere sikkerhetsargumenter for robotiske og autonome systemer.
• Anvende verifiserings- og validasjonsteknikker i simuleringmiljøer.
• Forstå rammer for forklarbar AI for robotbasert beslutningstaking.
• Integrere sikkerhets- og etikkprinsipper i systemdesign og drift.
• Kommunisere sikkerhets- og transparenskrav til interesseholderne.

Kursformat

• Interaktiv forelesning og diskusjon.
• Praktiske øvelser med simulering og sikkerhetsanalyse.
• Fallstudier fra reelle robotikkapplikasjoner.

Kursanpassningsmuligheter

• For å be om et tilpasset kurs, vennligst kontakt oss for å avtale.

En Smart Robot er et kunstig intelligens (AI) system som kan lære fra sin omgivelse og erfaringer, og bygge på sine evner basert på denne kunnskapen. Smart Robots kan samarbeide med mennesker, jobbe sammen med dem og lære av deres atferd. Videre har de kapasitet til ikke bare manuelt arbeid, men også kognitive oppgaver. I tillegg til fysiske roboter, kan Smart Robots også være rent programvarebaserte, og bo i en datamaskin som et programvareapplikasjon uten bevegelige deler eller fysisk interaksjon med verden.

I denne instruktørledede, live opplæringen, vil deltakere lære om de ulike teknologiene, rammeverkene og teknikkene for å programmere forskjellige typer mekaniske Smart Robots, og så bruke denne kunnskapen til å fullføre sine egne Smart Robot-prosjekter.

Kurset er delt inn i 4 seksjoner, hver bestående av tre dagers forelesninger, diskusjoner og hånd-på robotutvikling i et live laboratoriumsmiljø. Hver seksjon vil avsluttes med et praktisk hånd-på-prosjekt for å gi deltakere mulighet til å øve og demonstrere sin ervervede kunnskap.

Målhardware for dette kurset vil bli simulert i 3D gjennom simuleringssoftware. ROS (Robot Operating System) open-source rammeverk, C++ og Python vil bli brukt for å programmere robotene.

Ved slutten av denne opplæringen, vil deltakere kunne:

• Forstå de viktige konseptene brukt i robotteknologi
• Forstå og håndtere interaksjonen mellom programvare og hardware i et robotsystem
• Forstå og implementere programvarekomponentene som underbygger Smart Robots
• Bygge og operere en simulert mekanisk Smart Robot som kan se, føle, behandle, gripe, navigere, og interagere med mennesker gjennom stemme
• Utvide en Smart Robots evne til å utføre komplekse oppgaver gjennom Deep Learning
• Teste og feilsøke en Smart Robot i realistiske scenarier

Målgruppe

• Utviklere
• Ingeniører

Kursformat

• Delt forelesning, del diskusjon, øvelser og mye hånd-på praktisk øving

Merknad

• For å tilpasse deler av dette kurset (programmeringsspråk, robotmodell, osv.), kontakt oss for å avtale.

Smart Robotics er integreringen av kunstig intelligens i robotteknologi for forbedret oppfatning, beslutningsfaglighet og autonom kontroll.

Denne instruktørledede, live-training (online eller på sted) er rettet mot avanserte robotteknikere, systemintegratører og automatiseringsledere som ønsker å implementere AI-drevet oppfatning, planlegging og kontroll i smarte produksjonsmiljøer.

Ved slutten av denne opplæringen vil deltakerne være i stand til å:

• Forstå og anvende AI-teknikker for robotteknologi og sensorfusjon.
• Utvikle bevegelsesplanleggingsalgoritmer for samarbeids- og industrirobotter.
• Utplassere læringbaserte kontrollstrategier for realtidsbeslutninger.
• Integrere intelligente robottersystemer i smarte fabrikkarbeidsflyter.

Kursformat

• Interaktiv forelesning og diskusjon.
• Mange øvelser og praksis.
• Hånds-on implementering i en live-lab-miljø.

Kurskustomiseringsalternativer

• For å be om en tilpasset opplæring for dette kurset, kontakt oss for å avtale.