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 robotmanipulasjon og dyp læring
- Overblikk over manipulasjonsoppgaver og komponenter i systemet
- Tradisjonelle tilnærminger mot læringsbaserte tilnærminger
- Dyp læring i persepsjon, planlegging og styring
Persepsjon for manipulasjon
- Visuell sansing og objekt-deteksjon for girektig
- 3D-visjon, dybdesansing og behandling av punktstykker (point clouds)
- Trening av CNN for lokalisering og segmentering av objekter
Girektig planlegging og deteksjon
- Klassiske girektig planleggingsalgoritmer
- Læring av grep-poser fra data og simulering
- Implementering av girektig deteksjonsnettverk (f.eks. GGCNN, Dex-Net)
Styring og bevegelsesplanlegging
- Invers kinematikk og banegenerering
- Læringsbasert bevegelsesplanlegging og imitasjonslæring
- Belønningbasert læring for manipulasjonsstyringpolitikker
Integrasjon med ROS 2 og simulering miljøer
- Innstillinger av ROS 2-noder for persepsjon og styring
- Simulering av robotiske manipulatorer i Gazebo og Isaac Sim
- Integrasjon av neurale modeller for realtidsstyring
Helhetlig læring for manipulasjon
- Kombinering av persepsjon, politikk og styring i unifierte nettverk
- Bruk av demonstrasjonsdata for tilsyneliggende politikk-læring
- Domæne-tilpasning mellom simulering og ekte maskinvare
Evaluering og optimalisering
- Målepunkter for girektig suksess, stabilitet og presisjon
- Testing under varierende forhold og forstyrrelser
- Modellkomprimering og distribusjon på edge-enheter
Hånd på hjulut prosjekt: Robot girektig basert på dyp læring
- Design av en persepsjon-til-handlingspåkobling
- Trening og testing av et girektig deteksjonsmodell
- Integrasjon av modellen i en simulert robotarm
Krav
- Solid forståelse av robotikkkinematikk og dynamikk
- Erfaring med Python og dyp læringsrammer
- Kunnskap om ROS eller lignende robotikk-mellomlag (middleware)
Publikum
- Robotikk-ingeniører som utvikler intelligente manipulasjonssystemer
- Persepsjon- og styringsspesialister som arbeider med girektig applikasjoner
- Forskere og erfarne praksiskunnskapsarbeidere innen robotlæring og AI-basert styring
28 Timer
Referanser (2)
Tilgang til materiell (virtuell maskin) for å komme direkte i gang med øvelsene, samt forklaring av Ros2-kjernen. Hvorfor ting fungerer på en bestemt måte.
Arjan Bakema
Kurs - Autonomous Navigation & SLAM with ROS 2
Maskinoversatt
sinnsikten og bruk av AI for robotti i fremtiden.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurs - Artificial Intelligence (AI) for Robotics
Maskinoversatt