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 Artificial Intelligence (AI) i Smart Robots
- Utover «hvis-så-annet» og læremaskinen
- 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
- Personlige serviceroboter
- Husroboter som assisterer eldre, smarte selvkjørende biler
- Profesjonelle serviceroboter
- Landbruksroboter i dagbokdrift
Maskinvarekomponenter til en smart robot
- Motorer, sensorer, mikrokontrollere, kameraer, etc.
Vanlige Elementer av 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.
Languages for Programming en smart robot
- C++ for lavnivåkontroll
- Python for orkestrering
- Programming 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
- Installasjon og oppsett av programvare
- Nyttige pakker og verktøy
Dag 02
Programming den smarte roboten
- Programming 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 referanseendringer
- 2D informasjonsbehandling av kameraer med OpenCV
- Informasjonsbehandling av en laser
- Prosjekt: Sikker sporing av objekter etter farge
- Feilsøking
Dag 03
Programming den smarte roboten (Fortsettelse...)
- Tjenester i ROS
- 3D informasjonsbehandling av RGB-D sensorer med PCL
- Kart og navigasjon med ROS
- Prosjekt: Søk etter objekter i miljøet
- Feilsøking
Seksjon 02
Dag 04
Programming den smarte roboten (Fortsettelse...)
- ActionLib
- Speech Recognition og Speech Generation
- Kontroller robotarmer med MoveIt!
- Kontrollerende robothals for aktivt syn
- Prosjekt: Søk og innsamling av gjenstander
- 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)
- Datasyn
Hurtigkurs i Deep Learning
- Kunstig Neural Networks (ANNs)
- Kunstig Neural Networks vs. Biologisk Neural Networks
- Tilbakemelding Neural Networks
- Aktiveringsfunksjoner
- Trening kunstig Neural Networks
Dag 06
Hurtigkurs i Deep Learning (Fortsettelse...)
- Deep Learning Modeller
- Konvolusjonelle nettverk og tilbakevendende nettverk
- Convolutional Neural Networks (CNN eller ConvNets)
- Konvolusjonslag
- Pooling lag
- Konvolusjonell Neural Networks arkitektur
Seksjon 03
Dag 07
Hurtigkurs i Deep Learning (Fortsettelse...)
- Tilbakevendende Neural Networks (RNN)
- Trener 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
- Den smarte roboten som en generator av data
- Rekkeviddemålingssensorer, 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
- Kjører 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
Bygge 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
Fremtidig Outlook for Smart Robots
Avsluttende bemerkninger
Krav
- Erfaring med programmering i C++
- Programmeringserfaring i Python
- Erfaring med Linux kommandolinje
Testimonials (1)
hver gang jeg ikke var sikker på trening, forklarte treneren meg på flere måter, helt til jeg forsto det.
Oncel Seleamet - IRROM Industrie
Kurs - PLC Ladder Programming
Machine Translated