AI for Robotics Kurs i Östergötland

Praktisk Rapid Prototyping för Robotik med ROS 2 & Docker är ett praktiskt kursutbud som hjälper utvecklare att bygga, testa och distribuera robotapplikationer effektivt. Deltagarna kommer att lära sig hur man behållar robotmiljöer, integrerar ROS 2-paket och prototyper modulära robotsystem med Docker för reproducerbarhet och skalbarhet. Kursen betonar agilitet, versionshantering och samarbetspraktiker som passar tidiga utvecklings- och innovationslag.

Denna instruktörleda, liveutbildning (online eller på plats) riktar sig till nybörjare- till mellannivådeltagare som vill snabba upp robotikutvecklingsarbetsflöden med ROS 2 och Docker.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Sätta upp en ROS 2-utvecklingsmiljö inom Docker-containrar.
• Utveckla och testa robotprototyper i modulära, reproducerbara miljöer.
• Använda simuleringsverktyg för att validera systembeteende innan det distribueras till hårdvara.
• Samarbeta effektivt med behållade robotprojekt.
• Tillämpa kontinuerliga integrations- och distributionskoncept i robotpipelines.

Kursformat

• Interaktiva föreläsningar och demonstreringar.
• Praktiska övningar med ROS 2- och Docker-miljöer.
• Miniprojekt fokuserade på reala robotapplikationer.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.

Människa-Robot Interaktion (HRI): Röst, Gest och Samverkande Kontroll är ett praktiskt kursutbud som är utformat för att introducera deltagarna till design och implementering av intuitiva gränssnitt för människa-robot-kommunikation. Kursen kombinerar teori, designprinciper och programmeringspraxis för att bygga naturliga och responsiva interaktionssystem med hjälp av tal, gest och delad kontrolltekniker. Deltagarna kommer att lära sig hur man integrerar perceptionsmoduler, utvecklar multimodala inmatningssystem och designar robotar som kan samverka säkert med människor.

Denna instruktörsledda, live-träning (online eller på plats) riktas till deltagare på nybörjarnivå till mellannivå som vill designa och implementera människa-robot-interaktionsystem som förbättrar användbarheten, säkerheten och användarupplevelsen.

Efter kursens avslutning kommer deltagarna att kunna:

• Förstå grundläggande principer och designprinciper för människa-robot-interaktion.
• Utveckla röstsändare och responsmekanismer för robotar.
• Implementera gesterkänning med hjälp av datorseende-tekniker.
• Designa samverkande kontrollsystem för säker och delad autonomi.
• Utvärdera HRI-system baserat på användbarhet, säkerhet och människa-relaterade faktorer.

Kursformat

• Interaktiva föreläsningar och demonstrationer.
• Praktiska programmerings- och designövningar.
• Praktiska experiment i simulering eller verkliga robotmiljöer.

Kursanpassningsalternativ

• För att begära en anpassad träning för denna kurs, kontakta oss för att arrangera.

Industriell Robotikautomatisering: ROS-PLC Integration & Digitala tvillingar är ett praktiskt kursinnehåll som fokuserar på att koppla industriell automatisering med moderna robotframställningar. Deltagarna kommer att lära sig att integrera ROS-baserade robotiska system med PLC:er för synkroniserade operationer och utforska digitala tvillingmiljöer för att simulera, övervaka och optimera produktionsprocesser. Kursen betonar interoperation, realtidssamtal och prediktiv analys med hjälp av digitala repliker av fysiska system.

Denna instruktörsvårdad, liveutbildning (online eller på plats) är riktad till mellannivåprofessorer som vill bygga praktiska färdigheter i att ansluta ROS-styrda robotar med PLC-miljöer och implementera digitala tvillingar för automatisering och produktionsoptimering.

Vid slutet av denna utbildning kommer deltagarna kunna:

• Förstå kommunikationsprotokoll mellan ROS- och PLC-system.
• Implementera realtidsdatautbytte mellan robotar och industriella kontroller.
• Utveckla digitala tvillingar för övervakning, testning och processsimulering.
• Integrera sensorer, aktuatorer och robotmanipulatorer inom industriella arbetsflöden.
• Designa och validera industriella automatiseringssystem med hybrid-simuleringsmiljöer.

Kursens format

• Interaktiv föreläsning och arkitekturgenomgångar.
• Praktiska övningar för att integrera ROS- och PLC-system.
• Simulering och implementering av digitala tvillingprojekt.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att arrangera.

Robotmanipulation och greppning med djupinlärning är ett avancerat kursområde som bryggar samman robotkontroll med moderna maskininlärningstekniker. Deltagarna kommer att utforska hur djupinlärning kan förbättra perception, rörelseplanering och precis greppning i robotiska system. Genom teori, simulering och praktiska kodningsövningar guider kursen lärande från perceptionsbaserad kontroll till slutgiltig policylearning för manipulationsuppgifter.

Denna instruktörledd, liveutbildning (online eller på plats) riktas till avancerade professionella som vill använda djupinlärningsmetoder för att aktivera intelligent, anpassningsbar och exakt robotmanipulation.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Utveckla perceptionsmodeller för objektigenkänning och lägeuppskattning.
• Träna neuronnät för greppdetektering och rörelseplanering.
• Integrera djupinlärningsmoduler med robotkontroller med hjälp av ROS 2.
• Simulera och utvärdera grepp- och manipulationsstrategier i virtuella miljöer.
• Distribuera och optimera inlärda modeller på verkliga eller simulerade robotarmar.

Kursformat

• Experterledd föreläsning och algoritmiska djupdykningar.
• Handson kodnings- och simuleringsexövningar.
• Projektbaserad implementering och tester.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna det.

Multi-Robot Systems and Swarm Intelligence är ett avancerat utbildningskurs som utforskar design, samordning och kontroll av robotteams inspirerade av biologiska svärmuppföranden. Deltagarna kommer att lära sig hur man modellerar interaktioner, implementerar decentraliserad beslutsfattande och optimerar samarbete mellan flera agenter. Kursen kombinerar teori med praktisk simulering för att förbereda lärande på tillämpningar inom logistik, försvar, räddning och autonoma utforskningar.

Denna handledardriven, live-utbildning (online eller på plats) är riktad till avancerade professionella som vill designa, simulera och implementera multi-robot- och svärmbaserade system med hjälp av öppen källkod ramverk och algoritmer.

Till slutet av denna utbildning kommer deltagarna att kunna:

• Förstå principer och dynamik i svärmintelligens och samverkande robotar.
• Designa kommunikations- och samordningsstrategier för multi-robot-system.
• Implementera decentraliserade beslutsfattande- och konsensalgoritmer.
• Simulera kollektiv beteenden som formation kontroll, flockning och täckning.
• Tillämpa svärmtekniker på verkliga scenarier och optimeringsproblem.

Kursformat

• Avancerade föreläsningar med djupgående algoritmstudier.
• Praktiskt kodning och simulering i ROS 2 och Gazebo.
• Samarbetsprojekt som tillämpar svärmintelligensprinciper.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

TinyML är ett ramverk för att distribuera maskininlärningsmodeller på energieffektiva mikrokontroller och inbyggda plattformar som används i robotteknik och autonoma system.

Detta instruktörsskickade, liveutbildning (online eller på plats) är riktad till avancerade professionella som vill integrera TinyML-baserade uppfattnings- och beslutsförmågor i autonom robotar, dronar och smarta styrsystem.

När deltagarna har slutfört denna kurs kommer de att kunna:

• Utforma optimerade TinyML-modeller för robottekniksuppgifter.
• Implementera uppfattningspipelines på enheten för realtidautonomi.
• Integrera TinyML i befintliga robotstyrningsramverk.
• Distribuera och testa lättvikta AI-modeller på inbyggda hårdvaruplattformar.

Kursformat

• Tekniska föreläsningar kombinerade med interaktiva diskussioner.
• Praktiska laborationer som fokuserar på inbyggda robottekniksuppgifter.
• Övningsuppgifter som simulerar verkliga arbetsflöden för autonomi.

Kursanpassningsalternativ

• För organisationsspecifika robottekniksmiljöer kan anpassning arrangeras vid begäran.

Säker & Förklarbar Robotteknik är en omfattande utbildning fokuserad på säkerheten, verifieringen och den etiska styrningen av robotiska system. Kursen bryggar mellan teori och praktik genom att utforska metodik för säkerhetsfall, riskanalys och förklarbara AI-metoder som gör roboternas beslutsfattande transparent och betroffande. Deltagare kommer att lära sig hur man garanterar komplians, verifierar beteenden och dokumenterar säkerhetssäkring i enlighet med internationella normer.

Denna instruktörsvägleda, live-utbildning (online eller på plats) riktas till mellannivåprofessionella som vill använda verifierings-, validierings- och förklarbarhetsprinciper för att säkerställa den säkra och etiska införandet av robotiska system.

Vid utbildningens slut kommer deltagarna kunna:

• Utveckla och dokumentera säkerhetsfall för robotiska och autonoma system.
• Använda verifierings- och validierungstekniker i simulerade miljöer.
• Förstå förklarbara AI-ramar för roboters beslutsfattande.
• Integrera säkerhets- och etikprinciper i systemdesign och drift.
• Kommunicera krav på säkerhet och transparens till intressenter.

Formatet för Kursen

• Interaktiv föreläsning och diskussion.
• Praktiska övningar i simulering och säkerhetsanalys.
• Fallstudier från verklivs robotteknikapplikationer.

Anpassningsalternativ för Kursen

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Edge AI möjliggör att artificiella intelligensmodeller körs direkt på inbyggda eller resursbegränsade enheter, vilket minskar latens och energiförbrukning samtidigt som autonomi och integritet i robotiska system ökar.

Detta instruktörsledda, liveutbildning (online eller platsbaserad) är riktat till mellannivås inbyggda utvecklare och robottekniker som vill implementera inferens- och optimeringstekniker för maskininlärning direkt på robotikhårdvara med hjälp av TinyML och Edge AI-frameworkar.

Till slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i TinyML och Edge AI för robotik.
• Konvertera och distribuera AI-modeller för inferens på enheten.
• Optimera modeller för hastighet, storlek och energieffektivitet.
• Integrera Edge AI-system i robotiska styrarkitekturer.
• Bewärdera prestanda och noggrannhet i verkliga scenarier.

Kursformat

• Interaktiv föreläsning och diskussion.
• Händerbaserad praktik med TinyML- och Edge AI-verktygskedjor.
• Praktiska övningar på inbyggda och robotikhårdvaraplattformar.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att ordna.

Denna handledarledda, liveutbildning i Östergötland (online eller på plats) är riktad till deltagare med mellannivå erfarenhet som vill utforska rollen av samarbetsrobotar (cobots) och andra humancentrerade AI-system i moderna arbetsplatser.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå principerna för Human-Centric Physical AI och dess tillämpningar.
• Utforska rollen av samarbetsrobotar i att öka produktiviteten på arbetsplatserna.
• Identifiera och hantera utmaningar i människa-maskin-interaktioner.
• Utforma arbetsflöden som optimerar samarbete mellan människor och AI-drivna system.
• Främja en kultur av innovation och anpassningsförmåga i AI-integrerade arbetsplatser.

Förstärkningsinlärning (RL) är en maskininlärningsparadigm där agenter lär sig fatta beslut genom att interagera med ett miljö. Inom robotik låter RL autonoma system utveckla anpassningsbara kontroll- och beslutningsfattande förmågor genom erfarenhet och återkoppling.

Denna instruktörsledd, liveutbildning (online eller på plats) är riktad till avancerade maskininlärningsingenjörer, robotikforskare och utvecklare som vill designa, implementera och distribuera förstärkningsinlärningsalgoritmer i robotprogram.

Genom denna utbildning kommer deltagarna att kunna:

• Förstå principerna och matematiken bakom förstärkningsinlärning.
• Implementera RL-algoritmer som Q-learning, DDPG och PPO.
• Integrera RL med robotiksimuleringsmiljöer genom att använda OpenAI Gym och ROS 2.
• Låta robotar utföra komplexa uppgifter autonomt genom prov-och-fel-metoden.
• Optimera träningsprestandan med hjälp av djupinlärningsramverk som PyTorch.

Kursformat

• Interaktiv föreläsning och diskussion.
• Praktisk implementation med Python, PyTorch och OpenAI Gym.
• Praktiska övningar i simulerade eller fysiska robotikmiljöer.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att arrangera.

OpenCV är en öppen källkodsbaserad datorsynsbibliotek som möjliggör realtidsbildbehandling, medan djupinlärningsramverk som TensorFlow ger verktyg för intelligent perception och beslutstagen i robotiska system.

Denna instruktörsledda, liveutbildning (online eller på plats) är riktad till mellannivårobotikingenjörer, datorsynsexperter och maskininlärningsingenjörer som vill använda datorsynstekniker och djupinlärning för robotisk perception och autonomi.

Genom denna utbildning kommer deltagarna att kunna:

• Implementera datorsynströmmar med OpenCV.
• Länka djupinlärningsmodeller för objektidentifiering och -igenkänning.
• Använda synbaserade data för robotisk kontroll och navigation.
• Kombinera klassiska synsalgoritmer med djup neurala nätverk.
• Distribuera datorsynssystem på inbyggda och robotiska plattformar.

Formatet för kursen

• Interaktiv föreläsning och diskussion.
• Händerbasär övning med OpenCV och TensorFlow.
• Labbimplementering på simulerade eller fysiska robotiska system.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att arrangera.

Denna instruktörsledda, live-träning (online eller på plats) vänder sig till avancerade robotikingenjörer och AI-forskare som vill utnyttja Multimodal AI för att integrera olika sensoriska data för att skapa mer autonoma och effektiva robotar som kan se, höra och känna.

Vid slutet av denna träning kommer deltagarna att kunna:

• Implementera multimodal sensing i robotiksystem.
• Utveckla AI-algoritmer för sensorfusion och beslutsfattande.
• Skapa robotar som kan utföra komplexa uppgifter i dynamiska miljöer.
• Hantera utmaningar i realtidsbehandling av data och aktivering.

Smart Robotics är integrationen av artificiell intelligens i robotiksystem för förbättrad perception, beslutsfattande och autonom kontroll.

Denna instruktörsledda liveutbildning (online eller på plats) riktar sig till avancerade robotikingenjörer, systemintegratörer och automatiseringsansvariga som vill implementera AI-drivna perception, planering och kontroll i smarta tillverkningsmiljöer.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå och tillämpa AI-tekniker för robotperception och sensorfusion.
• Utveckla rörelseplaneringsalgoritmer för samarbetsrobotar och industrirobotar.
• Distribuera lärobaserade kontrollstrategier för realtidsbeslutsfattande.
• Integrera intelligenta robotiksystem i arbetsflöden i smarta fabriker.

Kursformat

• Interaktiv föreläsning och diskussion.
• Många övningar och praktik.
• Hands-on-implementering i en live-lablabmiljö.

Alternativ för kursanpassning

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att boka.

ROS 2 (Robot Operating System 2) är ett öppen källkodsbaserat ramverk som är utformat för att stödja utvecklingen av komplexa och skalbara robotapplikationer.

Detta instruktörledda, liveutbildning (online eller på plats) riktas till mellantidsnivås robottekniker och utvecklare som önskar implementera autonom navigation och SLAM (Simultaneous Localization and Mapping) med hjälp av ROS 2.

Till slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera och anpassa ROS 2 för autonom navigationsapplikationer.
• Implementera SLAM-algoritmer för kartläggning och lokalisering.
• Integrera sensorer som LiDAR och kameror med ROS 2.
• Simulera och testa autonom navigation i Gazebo.
• Distribuera navigationsstackar på fysiska robotar.

Kursformat

• Interaktiv föreläsning och diskussion.
• Praktisk övning med hjälp av ROS 2-verktyg och simuleringsmiljöer.
• Livslab-implementation och testning på virtuella eller fysiska robotar.

Kursanpassningsalternativ

• För att begära en anpassad utbildning för denna kurs, kontakta oss för att arrangera.

Denna instruktörledda, liveutbildning i Östergötland (online eller på plats) riktas till deltagare på mellannivå som vill förbättra sina kunskaper i att designa, programmera och distribuera intelligenta robotiska system för automatisering och mer.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Förstå principerna för Fysisk AI och dess tillämpningar inom robotik och automatisering.
• Designa och programmera intelligenta robotiska system för dynamiska miljöer.
• Implementera AI-modeller för autonomt beslutsfattande i robotar.
• Utnyttja simuleringsverktyg för robotisk testning och optimering.
• Hantera utmaningar som sensorfusjon, realtidsbehandling och energieffektivitet.

Artificiell Intelligens (AI) för Robotik kombinerar maskininlärning, styrsystem och sensordataförening för att skapa intelligenta maskiner som kan uppleva, resonera och agera autonomt. Genom moderna verktyg som ROS 2, TensorFlow och OpenCV kan ingenjörer nu designa robotar som navigerar, planerar och interagerar med den verkliga världen på ett intelligenta sätt.

Denna handledareledd, liveutbildning (online eller platsbaserad) är riktad till mellannivås ingenjörer som vill utveckla, träna och distribuera AI-drivna robotiska system med hjälp av aktuell öppen källkodsteknik och ramverk.

Till slutet av denna utbildning kommer deltagarna att kunna:

• Använda Python och ROS 2 för att bygga och simulera robotbeteenden.
• Implementera Kalman- och Partikelfilter för lokalisering och spårning.
• Tillämpa datorseende tekniker med OpenCV för upplevande och objektidentifiering.
• Använda TensorFlow för rörelseprediktion och lärandebaserad styrning.
• Integrera SLAM (Simultaneous Localization and Mapping) för autonom navigering.
• Utveckla reinforcement learning-modeller för att förbättra robotens beslutsfattande.

Kursformat

• Interaktiv föreläsning och diskussion.
• Praktiskt implementering med ROS 2 och Python.
• Övningar i simulerade och verkliga robotiska miljöer.

Kursanpassningsalternativ

För att begära en anpassad utbildning för denna kurs, kontakta oss för att arrangera.

I den här instruktörsledda, live-träningen i Östergötland (online eller på plats) kommer deltagarna att lära sig olika teknologier, ramverk och tekniker för att programmera olika typer av robotar som används inom kärnteknik och miljösystem.

Den 6-veckorskursen hålls 5 dagar i veckan. Varje dag är 4 timmar lång och består av föreläsningar, diskussioner och praktisk robotutveckling i en live-labbmiljö. Deltagarna kommer att slutföra olika realistiska projekt som är tillämpbara på deras arbete för att praktisera sin förvärvade kunskap.

Målhårdvaran för denna kurs kommer att simuleras i 3D med hjälp av simuleringsprogramvara. ROS (Robot Operating System) öppen källkodsramverk, C++ och Python kommer att användas för att programmera robotarna.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå de centrala begreppen som används inom robotteknik.
• Förstå och hantera interaktionen mellan programvara och hårdvara i ett robotsystem.
• Förstå och implementera programvarukomponenter som ligger till grund för robotik.
• Bygga och driva en simulerad mekanisk robot som kan se, känna, bearbeta, navigera och interagera med människor genom röst.
• Förstå de nödvändiga elementen i artificiell intelligens (maskininlärning, djupinlärning etc.) som är tillämpliga för att bygga en smart robot.
• Implementera filter (Kalman och Particle) för att möjliggöra för roboten att lokalisera rörelseobjekt i sin omgivning.
• Implementera sökalgoritmer och rörelseplanering.
• Implementera PID-reglering för att reglera en robots rörelse inom en miljö.
• Implementera SLAM-algoritmer för att möjliggöra för en robot att kartlägga en okänd miljö.
• Utöka en robots förmåga att utföra komplexa uppgifter med hjälp av Deep Learning.
• Testa och felsöka en robot i realistiska scenarier.

I denna instruktörsledda, live-träning på plats (online eller på plats) kommer deltagarna att lära sig olika tekniker, ramverk och tekniker för programmering av olika typer av robotar som används inom kärnteknik och miljösystem.

Den 4-veckors kursen hålls 5 dagar i veckan. Varje dag är 4 timmar lång och består av föreläsningar, diskussioner och praktiska robotutvecklingar i en live-labbmiljö. Deltagarna kommer att slutföra olika realistiska projekt som är applicerbara på deras arbete för att öva sin förvärvade kunskap.

Målanvändningshårdvaran för denna kurs kommer att simuleras i 3D med hjälp av simuleringssoftvara. Kod kommer sedan att laddas upp på fysisk hårdvara (Arduino eller annat) för slutlig testning av distribution. ROS (Robot Operating System) öppen källkod ramverk, C++ och Python kommer att användas för att programmera robotarna.

Vid slutet av denna träning kommer deltagarna att kunna:

• Förstå de nyckelkoncept som används inom robotteknik.
• Förstå och hantera interaktionen mellan programvara och hårdvara i ett robotiskt system.
• Förstå och implementera programvarukomponenterna som ligger till grund för robotik.
• Bygga och driva en simulerad mekanisk robot som kan se, känna, bearbeta, navigera och interagera med människor genom röst.
• Förstå de nödvändiga elementen av artificiell intelligens (maskininlärning, djuplärning, etc.) som är tillämpliga för att bygga en smart robot.
• Implementera filter (Kalman och Particle) för att låta roboten lokalisera rörelseobjekt i sin omgivning.
• Implementera sökalgoritmer och rörelseplanering.
• Implementera PID-kontroller för att reglera en robots rörelse inom en miljö.
• Implementera SLAM-algoritmer för att låta en robot kartlägga en okänd miljö.
• Testa och felsöka en robot i realistiska scenarier.

Azure Bot Service kombinerar Microsoft Bot Frameworks och Azures funktioner för att möjliggöra snabb utveckling av smarta chatbots.

I denna handledning under lektionerna kommer deltagarna att lära sig hur man enkelt skapar en intelligent bot med hjälp av Microsoft Azure.

Till slut av detta träningsprogram kommer deltagarna att kunna:

• Läras grundläggande om smarta chatbots
• Läras hur man skapar smarta chatbots med hjälp av molnprogram
• Förstå hur man använder Microsoft Bot Framework, Bot Builder SDK och Azure Bot Service
• Förstå hur man utformar chatbots med botmönster
• Utveckla sin första smarta bot med hjälp av Microsoft Azure

Målgrupp

• Utvecklare
• Hobbyister
• Ingenjörer
• IT-professionella

Kursformat

• Del föreläsning, del diskussion, övningar och mycket praktiskt arbetsskapande

En bot eller chatbot är som en datorassistent som används för att automatisera användarinteraktioner på olika meddelandeplattformar och få saker gjorda snabbare utan att användarna behöver prata med en annan människa.

I denna instruktörsledda, live-utbildning kommer deltagarna att lära sig hur man kommer igång med att utveckla en bot när de går igenom skapandet av exempelchattbotar med hjälp av verktyg och ramverk för botutveckling.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de olika användningarna och tillämpningarna av bots
• Förstå hela processen för att utveckla bots
• Utforska de olika verktygen och plattformarna som används för att bygga bots
• Bygg ett exempel på chatbot för Facebook Messenger
• Bygg ett exempel på chatbot med Microsoft Bot Framework

Publik

• Utvecklare som är intresserade av att skapa sin egen bot

Kursens format

• Delföreläsning, deldiskussion, övningar och tung praktisk praktik

Denna instruktörsledda, liveutbildning i Östergötland (online eller på plats) riktas till ingenjörer som vill lära sig om användbarheten av artificiell intelligens för mekatroniska system.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Få en överblick över artificiell intelligens, maskininlärning och beräkningsintelligens.
• Förstå koncepten om neuronnät och olika inlärningsmetoder.
• Välja effektiva metoder för artificiell intelligens för verkliga problem.
• Implementera AI-applikationer i mekatronisk teknik.

En smart robot är ett Artificial Intelligence (AI) system som kan lära sig av sin omgivning och sin erfarenhet och bygga vidare på sin kapacitet baserat på den kunskapen. Smart Robots kan samarbeta med människor, arbeta tillsammans med dem och lära sig av deras beteende. Dessutom har de kapacitet för inte bara manuellt arbete, utan även kognitiva uppgifter. Förutom fysiska robotar kan Smart Robots också vara rent mjukvarubaserade och finnas i en dator som en programvara utan rörliga delar eller fysisk interaktion med världen.

I denna instruktörsledda, liveträning kommer deltagarna att lära sig de olika teknikerna, ramverken och teknikerna för programmering av olika typer av mekanik Smart Robots, och sedan tillämpa denna kunskap för att slutföra sina egna Smart Robot-projekt.

Kursen är uppdelad i 4 avsnitt, som var och en består av tre dagar med föreläsningar, diskussioner och praktisk robotutveckling i en skarp labbmiljö. Varje avsnitt avslutas med ett praktiskt projekt som ger deltagarna möjlighet att öva och visa sina förvärvade kunskaper.

Målhårdvaran för denna kurs kommer att simuleras i 3D genom simuleringsprogram. Ramverket ROS (Robot Operating System) med öppen källkod, C++ och Python kommer att användas för programmering av robotarna.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå de viktigaste begreppen som används inom robotteknik
• Förstå och hantera interaktionen mellan mjukvara och hårdvara i ett robotsystem
• Förstå och implementera de programvarukomponenter som ligger till grund för Smart Robots
• Bygg och använd en simulerad mekanisk smart robot som kan se, känna, bearbeta, greppa, navigera och interagera med människor med hjälp av rösten
• Utöka en smart robots förmåga att utföra komplexa uppgifter genom Deep Learning
• Testa och felsök en smart robot i realistiska scenarier

Publik

• Utvecklare
• Ingenjörer

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning

Not

• För att anpassa någon del av denna kurs (programmeringsspråk, robotmodell, etc.) vänligen kontakta oss för att ordna.