Ta kontakt

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

Antall deltakere


Pris per deltaker

Referanser (2)

Kommende kurs

Relaterte kategorier