Kursplan

Vecka 01

Införandet

  • Vad gör en robot smart?

Fysiska vs virtuella robotar

  • Smart Robots, Smarta maskiner, Kännande maskiner och Robotic Process Automation (RPA), etc.

Rollen för Artificial Intelligence (AI) i Robotics

  • Bortom "om-då-else" och den lärande maskinen
  • Algoritmerna bakom AI
  • Maskininlärning, datorseende, naturlig språkbehandling (NLP), etc.
  • Kognitiv robotik

Rollen för Big Data i Robotics

  • Beslutsfattande baserat på data och mönster

Molnet och Robotics

  • Att koppla samman robotteknik och IT
  • Bygga mer funktionella robotar som får tillgång till mer information och samarbetar

Fallstudie: Industrirobotar

  • Mekaniska robotar
    • Baxter
  • Robotar i kärntekniska anläggningar
    • Detektering och skydd mot strålning
  • Robotar i Nuclear Reactors
    • Detektering och skydd mot strålning

Hårdvarukomponenter för en robot

  • Motorer, sensorer, mikrokontroller, kameror etc.

Vanliga Elements av robotar

  • Maskinseende, röstigenkänning, talsyntes, närhetsavkänning, tryckavkänning, etc.

Utvecklingsramar för Programming en robot

  • Öppen källkod och kommersiella ramverk
  • Robotens operativsystem (ROS)
    • Arkitektur: arbetsyta, ämnen, meddelanden, tjänster, noder, actionlibs, verktyg osv.

Languages För Programming En robot

  • C++ För lågnivåstyrning
  • Python För orkestrering
  • Programming ROS noder i Python och C ++
  • Andra språk

Verktyg för att simulera en fysisk robot

  • Kommersiell programvara för 3D-simulering och visualisering med öppen källkod

 

Vecka 02

Förbereda utvecklingsmiljön

  • Installation och installation av programvara
  • Användbara paket och verktyg

Fallstudie: Mekaniska robotar

  • Robotar inom det kärntekniska området
  • Robotar i miljösystem

Programming Roboten

  • Programming en nod i Python och C ++
  • Förstå ROS-noden
  • Meddelanden och ämnen i ROS
  • Paradigm för publicering/prenumeration
  • Projekt: Bump & Go med en riktig robot
  • Felsökning
  • Simulering av robotar med lusthus / ROS
  • Bildrutor i ROS och referensändringar
  • 2D-informationsbehandling av kameror med OpenCV
  • Informationsbehandling av en laser
  • Projekt: Säker spårning av objekt efter färg
  • Felsökning

 

Vecka 03

Programming Roboten (fortsättning...)

  • Tjänster i ROS
  • 3D-informationsbehandling av RGB-D-sensorer med PCL
  • Kartor och navigering med ROS
  • Projekt: Sök efter objekt i miljön
  • Felsökning

Programming Roboten (fortsättning...)

  • ActionLib (på engelska)
  • Speech Recognition och talgenerering
  • Styr robotarmar med MoveIt!
  • Styrning av robotnacke för aktivt seende
  • Projekt: Sökning och insamling av objekt
  • Felsökning

Testa din robot

  • Testning av enheter

 

Vecka 04

Utöka en robots kapacitet med Deep Learning

  • Perception – syn, ljud och haptik
  • Representation av kunskap
  • Röstigenkänning genom NLP (natural language processing)
  • Visuellt innehåll

Snabbkurs i Deep Learning

  • Artificiell Neural Networks (ANN)
  • Artificiell Neural Networks jämfört med Biologisk Neural Networks
  • Feedforward Neural Networks
  • Aktivering Funktioner
  • Träning konstgjord Neural Networks

Snabbkurs i Deep Learning (Fortsättning...)

  • Deep Learning Modeller
    • Faltningsnätverk och återkommande nätverk
  • Faltning Neural Networks (CNNs eller ConvNets)
    •  Faltningsskikt
    •  Poolande lager
    •  Faltningsarkitektur Neural Networks

 

Vecka 05

Snabbkurs i Deep Learning (Fortsättning...)

  • Återkommande Neural Networks (RNN)
    • Träning av en RNN
    • Stabilisera lutningar under träning
    • Nätverk för långtidsminne
  • Deep Learning Plattformar och programvarubibliotek.
    • Deep Learning i ROS

Använda Big Data i din robot

  • Begrepp för stordata
  • Metoder för dataanalys
  • Big Data Verktyg
  • Känna igen mönster i data
  • Övning: NLP och Computer Vision på stora datamängder

Använda Big Data i din robot (fortsättning...)

  • Distribuerad bearbetning av stora datamängder
  • Samexistens och korsbefruktning av Big Data och Robotics
  • Roboten som generator av data
    • Avståndsmätningssensorer, positions-, visuella, taktila sensorer och andra modaliteter
  • Att förstå sensoriska data (sense-plan-act loop)
  • Övning: Samla in strömmande data

Programming En autonom Deep Learning robot

  • Deep Learning Komponenter till robotar
  • Ställa in robotsimulatorn
  • Köra ett CUDA-accelererat neuralt nätverk med Cafe
  • Felsökning

 

Vecka 06

Programming En autonom Deep Learning robot (fortsättning...)

  • Känna igen objekt i fotografier eller videoströmmar
  • Aktivera visuellt innehåll med OpenCV
  • Felsökning

Dataanalys

  • Använda roboten för att samla in och organisera nya data
  • Verktyg och processer för att förstå data

Använda en robot

  • Övergång av en simulerad robot till fysisk maskinvara
  • Använda roboten i den fysiska världen
  • Övervakning och service av robotar på fältet

Säkra din robot

  • Förhindra obehörig manipulering
  • Förhindra hackare från att visa och stjäla känsliga uppgifter

Bygga en robot i samarbete

  • Bygga en robot i molnet
  • Gå med i robotgemenskapen

Framtiden Outlook för robotar inom vetenskap och energi

Sammanfattning och slutsats

Krav

  • Programming erfarenhet av C eller C++
  • Programming erfarenhet av Python (användbart men inte nödvändigt; kan läras ut som en del av kursen)
  • Erfarenhet av kommandoraden Linux

Publik

  • Utvecklare
  • Ingenjörer
  • Forskare
  • Tekniker
 120 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier