Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till AI och robotik
- Översikt över modern robotik och AI:s samverkan
- Tillämpningar inom autonoma system, drönare och service-robotar
- Nyckel AI-komponenter: uppfattning, planering och styrning
Installation av utvecklingsmiljö
- Installation av Python, ROS 2, OpenCV och TensorFlow
- Användning av Gazebo eller Webots för robotiksimulering
- Arbeta med Jupyter Notebooks för AI-experiment
Uppfattning och datorseende
- Användning av kameror och sensorer för uppfattning
- Bildklassificering, objekterkänning och segmentering med TensorFlow
- Kantidentifiering och konturspårning med OpenCV
- Real-tids bildströmning och bearbetning
Lokaliserings- och sensorfusning
- Förståelse av sannolikhetsbaserad robotik
- Kalmanfilter och Extended Kalman Filters (EKF)
- Partikelfilter för icke-linjära miljöer
- Integrering av LiDAR, GPS och IMU-data för lokaliseringsändamål
Rörelseplanering och sökvägsbestämning
- Sökvägsplaneringsalgoritmer: Dijkstra, A* och RRT*
- Hindrande undvikande och miljökartläggning
- Real-tids rörelsestyrning med PID
- Dynamisk sökvägsoptimering med AI
Reinforcement learning för robotik
- Grundläggande koncept inom reinforcement learning
- Design av belöningsbaserade robotbeteenden
- Q-lärande och Deep Q-Networks (DQN)
- Integrering av RL-agenter i ROS för anpassad rörelse
Simultaneous Localization and Mapping (SLAM)
- Förståelse av SLAM-koncept och arbetsflöden
- Implementering av SLAM med ROS-paket (gmapping, hector_slam)
- Visuell SLAM med OpenVSLAM eller ORB-SLAM2
- Testning av SLAM-algoritmer i simulerade miljöer
Fördjupade ämnen och integration
- Tal- och gesterkänning för människo-robotinteraktion
- Integration med IoT och molnrobotikplattformar
- AI-driven prediktiv underhållning för robotar
- Etik och säkerhet inom AI-driven robotik
Projektexamensarbete
- Utforma och simulera en intelligent mobilrobot
- Implementera navigation, uppfattning och rörelsestyrning
- Demonstrera real-tids beslutsfattande med AI-modeller
Sammanfattning och nästa steg
- Översikt över viktiga AI-robotiktekniker
- Framtida trender inom autonoma robotar
- Resurser för fortsatt lärande
Krav
- Programmerings erfarenhet i Python eller C++
- Grundläggande förståelse för data- och teknikvetenskap
- Kännedom om sannolikhetsbegrepp, matematisk analys och linjär algebra
Målgrupp
- Ingenjörer
- Robotikentusiaster
- Forskare inom automatisering och AI
21 Timmar
Vittnesmål (1)
dessas kunskaper och användningen av AI för robotik i framtiden.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurs - Artificial Intelligence (AI) for Robotics
Maskintolkat