Kursplan

Seksjon 01

Dag 01 Introduksjon

    Hva gjør en smart robot smart?

Fysisk vs virtuell Smart Robots

    Smart Robots, Smart Machines, Sentient Machines og Robotic Process Automation (RPA), etc.

Rollen til kunstig intelligens (AI) i Smart Robots

    Utover «hvis-så-ellers» og læringsmaskinen Algoritmene bak AI AI i Smart Robots: maskinlæring, datasyn, naturlig språkbehandling (NLP), etc. Kognitiv robotikk

Rollen til Big Data i Smart Robots

    Beslutningstaking basert på data og mønstre

Skyen og Smart Robots

    Koble robotikk med IT Bygge mer funksjonelle roboter som får tilgang til mer informasjon og samarbeider

Kasusstudie: Mekanisk Smart Robots

    Industriell Smart Robots Baxter
Personlig serviceroboter Husroboter som hjelper eldre, smarte selvkjørende biler
  • Profesjonelle serviceroboter Landbruksroboter i dagbokdrift
  • Maskinvarekomponenter til en smart robot
  • Motorer, sensorer, mikrokontrollere, kameraer, etc.
  • Vanlige elementer i Smart Robots

      Maskinsyn, stemmegjenkjenning, talesyntese, nærhetsføling, trykkføling, etc.

    Utviklingsrammer for Programming en smart robot

      Åpen kildekode og kommersielle rammeverk Robotoperativsystem (ROS) Arkitektur: arbeidsområde, emner, meldinger, tjenester, noder, actionlibs, verktøy, etc.

    Språk for Programming en smart robot

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

    Verktøy for å simulere en fysisk smart robot

      Kommersiell og åpen kildekode 3D simulering og visualisering programvare

    Forberede utviklingsmiljøet

      Programvareinstallasjon og oppsett Nyttige pakker og verktøy

    Dag 02 Programming Smart Robot

      Programmere en node i Python og C ++ Forstå ROS node Meldinger og emner i ROS Publikasjons- / abonnementsparadigme Prosjekt: Bump & Go med ekte robot Feilsøking Simulering av roboter med Gazebo / ROS Rammer i ROS og referanse endrer 2D informasjonsbehandling av kameraer med OpenCV Informasjonsbehandling av en laser Prosjekt: Sikker sporing av objekter etter farge Feilsøking

    Dag 03 Programming Smart Robot (Fortsettelse...)

      Tjenester i ROS 3D informasjonsbehandling av RGB-D sensorer med PCL Maps og Navigasjon med ROS Project: Search for objekter i miljøet Feilsøking

     

      Seksjon 02

    Dag 04 Programming Smart Robot (Fortsettelse...)

    ActionLib Speech Recognition og talegenerering Kontrollerer robotarmer med MoveIt! Styrende robothals for aktivt syn Prosjekt: Søk og samling av objekter Feilsøking

    Tester din smarte robot

      Enhetstesting

    Dag 05 Utvide en smart robots evner med Deep Learning

      Persepsjon -- syn, lyd og haptikk Kunnskapsrepresentasjon Stemmegjenkjenning gjennom NLP (naturlig språkbehandling) Computer visjon

    Hurtigkurs i Deep Learning

      Kunstig Neural Networks (ANNs) Kunstig Neural Networks vs. biologisk Neural Networks Fremmating Neural Networks Aktiveringsfunksjoner Trening Kunstig Neural Networks

    Dag 06 lynkurs i Deep Learning (Fortsettelse...)

      Deep Learning Modeller konvolusjonelle nettverk og tilbakevendende nettverk

    Convolutional Neural Networks (CNNs eller ConvNets) Convolution Layer

      Pooling lag
    Konvolusjonell Neural Networks arkitektur
  • Seksjon 03
  • Dag 07 lynkurs i Deep Learning (Fortsettelse...)
  • Tilbakevendende Neural Networks (RNN) Trening av en RNN Stabiliserende gradienter under trening Langtidsminnenettverk
  • Deep Learning-plattformer og programvarebiblioteker Deep Learning i ROS

    Dag 08 Bruke Big Data i din smarte robot

      Big data-konsepter Tilnærminger til dataanalyse Big Data-verktøy Gjenkjenne mønstre i dataene Øvelse: NLP og Computer Vision på store datasett
    Dag 09 Bruke Big Data i din smarte robot (fortsettelse...)
  • Distribuert behandling av store datasett Sameksistens og kryssbefruktning av Big Data og Robotics The Smart Robot som en generator av data Rekkeviddemålesensorer, posisjons-, visuelle, taktile sensorer og andre modaliteter
  • Forstå sansedata (sense-plan-act loop)

      Øvelse: Ta opp strømmedata

     

      Seksjon 04
    Dag 10 Programming en Autonom Deep Learning Smart Robot
  • Deep Learning robotkomponenter Sette opp robotsimulatoren Kjøre et CUDA-akselerert nevralt nettverk med Cafe Feilsøking
  • Dag 11 Programming en Autonom Deep Learning Smart Robot (Fortsettelse...)
  • Gjenkjenne objekter i fotografier eller videostrømmer Aktiverer datasyn med OpenCV Feilsøking

    Dag 12 Dataanalyse

    Bruke Smart Robot til å samle inn og organisere nye data

      Bygg en smart robot i samarbeid

    Distribuer din smarte robot på fysisk maskinvare

      Overvåking og service Smart Robots i felten

    Sikring av roboten din

      Forhindre uautorisert tukling Hindre hackere fra å se og stjele sensitive forretningsdata (kredittkort, ansattinformasjon osv.)

    Bli med i Robotics fellesskapet

    Fremtidsutsikter for Smart Robots

    Sluttkommentarer

    Krav

    • Erfaring med programmering i C++
    • Programmeringserfaring i Python
    • Erfaring med Linux kommandolinje
      84 timer

    Antall deltakere



    Price per participant

    Relaterte kurs

    AI and Robotics for Nuclear - Extended

      120 timer

    AI and Robotics for Nuclear

      80 timer

    Related Categories