Kursplan

Uke 01

Innføring

  • Hva gjør en robot intelligent?

Fysiske vs Virtuelle Roboter

  • Smarte roboter, smarte maskiner, bevisste maskiner og Robotic Process Automation (RPA), osv.

Rollen til kunstig intelligens (AI) innen robotteknologi

  • Utover "if-then-else" og den lærende maskinen
  • Algoritmene bak AI
  • Maskinlæring, databehandling, naturlig språkbehandling (NLP), osv.
  • Kognitiv robotteknologi

Rollen til Big Data i robotteknologi

  • Beslutningsprosesser basert på data og mønstre

Skyen og robotteknologi

  • Kopling av robotteknologi med IT
  • Bygging av mer funksjonelle roboter som tilgjengelig mer informasjon og samarbeider

Casestudium: Industriroboter

  • Mekaniske roboter
    • Baxter
  • Roboter i kjernefysiske anlegg
    • Deteksjon og beskyttelse mot stråling
  • Roboter i kjernekraftverker
    • Deteksjon og beskyttelse mot stråling

Hardwarekomponenter i en robot

  • Motorer, sensorer, mikrokontrollere, kameraer, osv.

Vanlige elementer i roboter

  • Maskinsyn, stemmegjenkjenning, tale syntese, nærhetssensorer, trykksensorer, osv.

Utviklingsrammeverk for programmering av en robot

  • Åpne og kommersielle rammeverk
  • Robot Operating System (ROS)
    • Arkitektur: arbeidsområde, emner, meldinger, tjenester, noder, actionlibs, verktøy, osv.

Språk for programmering av en robot

  • C++ for lavnivåkontroll
  • Python for orkestrering
  • Programmering av ROS-noder i Python og C++
  • Andre språk

Verktøy for simulering av en fysisk robot

  • Kommersielle og åpne 3D-simulerings- og visualiseringsprogrammer

Uke 02

Forberedelse av utviklingsmiljø

  • Installasjon og oppsett av programvare
  • Nyttige pakker og verktøy

Casestudium: Mekaniske roboter

  • Roboter innen kjernefysikk
  • Roboter i miljøsystemer

Programmering av roboter

  • Programmering av en node i Python og C++
  • Forståelse av ROS-noder
  • Meldinger og emner i ROS
  • Publikasjon/abonnement-paradigme
  • Prosjekt: Bump & Go med en virkelig robot
  • Feilsøking
  • Simulering av roboter med Gazebo/ROS
  • Rammer i ROS og referanseendringer
  • 2D-behandling av kameraer med OpenCV
  • Behandling av laserdata
  • Prosjekt: Sikker oppfølging av objekter etter farge
  • Feilsøking

Uke 03

Programmering av roboter (fortsettelse...)

  • Tjenester i ROS
  • 3D-behandling av RGB-D-sensorer med PCL
  • Kart og navigering med ROS
  • Prosjekt: Søk etter objekter i omgivelsene
  • Feilsøking

Programmering av roboter (fortsettelse...)

  • ActionLib
  • Stemmegjenkjenning og talegenerering
  • Kontroll av robotarmer med MoveIt!
  • Kontroll av robothals for aktiv visjon
  • Prosjekt: Søk og samling av objekter
  • Feilsøking

Testing av din robot

  • Enhetstesting

Uke 04

Utvidelse av robotens evner med dyp læring

  • Persepsjon - syn, lyd og haptisk feedback
  • Representasjon av kunnskap
  • Stemmegjenkjenning gjennom NLP (naturlig språkbehandling)
  • Databehandling

Intensivkurs i dyp læring

  • Kunstige neurale nettverk (ANNs)
  • Kunstige neurale nettverk vs. biologiske neurale nettverk
  • Feedforward neurale nettverk
  • Aktiveringsfunksjoner
  • Trening av kunstige neurale nettverk

Intensivkurs i dyp læring (fortsettelse...)

  • Dyp læringsmodeller
    • Konvolusjonsnettverk og rekursive nettverk
  • Konvolusjonsnettverk (CNNs eller ConvNets)
    • Konvolusjonssjikt
    • Pooling-sjikt
    • Arkitektur for konvolusjonsnettverk

Uke 05

Intensivkurs i dyp læring (fortsettelse...)

  • Rekursive neurale nettverk (RNN)
    • Trening av en RNN
    • Stabilisering av gradienter under trening
    • Lang korttidsminne-nettverk
  • Plattformer og programvarebiblioteker for dyp læring
    • Dyp læring i ROS

Bruk av Big Data i din robot

  • Big Data-konsepter
  • Tilnærminger til dataanalyse
  • Verktøy for Big Data
  • Genkjenning av mønstre i data
  • Øvelse: NLP og databehandling på store datasett

Bruk av Big Data i din robot (fortsettelse...)

  • Fordelt behandling av store datasett
  • Samspill mellom Big Data og robotteknologi
  • Roboten som datagenerator
    • Avstandsmålingssensorer, posisjons-, visuelle, taktile sensorer og andre moduser
  • Forståelse av sensordata (sense-plan-act-loop)
  • Øvelse: Innfanging av strømmende data

Programmering av en autonom dyp læringsrobot

  • Komponenter i dyp læringsroboter
  • Oppsett av robotsimulator
  • Kjøring av en CUDA-akselert neuralt nettverk med Café
  • Feilsøking

Uke 06

Programmering av en autonom dyp læringsrobot (fortsettelse...)

  • Genkjenning av objekter i fotografier eller videostrømmer
  • Aktivering av databehandling med OpenCV
  • Feilsøking

Dataanalyse

  • Bruk av roboten til å samle og organisere nye data
  • Verktøy og prosesser for å forstå dataene

Implementering av en robot

  • Overføring av en simulert robot til fysisk hardvare
  • Implementering av roboten i den fysiske verden
  • Overvåkning og service av roboter på feltet

Sikring av din robot

  • Forebygging av uautorisert manipulering
  • Forebygging av at hackere ser og stjeler sensitiv data

Bygging av en robot samarbeidsmessig

  • Bygging av en robot i skyen
  • Tilknytting til robotteknologi-fellesskapet

Fremtidige utsikter for roboter innen vitenskap og energi

Oppsummering og konklusjon

Krav

  • Programmeringserfaring i C eller C++
  • Programmeringserfaring i Python (nyttig men ikke nødvendig; kan undervises som del av kurset)
  • Erfaring med Linux kommando-linje

Målgruppe

  • Utviklere
  • Ingeniører
  • Forskere
  • Teknikere
 120 timer

Antall deltakere


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories