Kursplan

Vecka 01

Introduktion

    Vad gör en robot smart?

Fysiska vs virtuella robotar

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

Rollen för artificiell intelligens (AI) i Robotics

    Bortom "om-då-annat" och inlärningsmaskinen Algoritmerna bakom AI Maskininlärning, datorseende, naturlig språkbehandling (NLP) etc. Kognitiv robotik

Big Datas roll i Robotics

    Beslutsfattande baserat på data och mönster

Molnet och Robotics

    Länka robotik med IT Bygga mer funktionella robotar som får tillgång till mer information och samarbetar

Fallstudie: Industrirobotar

    Mekaniska robotar Baxter
Robotar i kärnkraftsanläggningar Strålningsdetektering och skydd
  • Robotar i kärnkraft Reactor Strålningsdetektering och skydd
  • Maskinvarukomponenter i en robot
  • Motorer, sensorer, mikrokontroller, kameror etc.
  • Vanliga Elementer av robotar

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

    Utvecklingsramverk för Programming en robot

      Öppen källkod och kommersiella ramverk Robotoperativsystem (ROS) Arkitektur: arbetsyta, ämnen, meddelanden, tjänster, noder, actionlibs, verktyg, etc.

    Språk för Programming en robot

      C++ för lågnivåkontroll Python för orkestrering Programmering ROS noder i Python och C ++ Andra språk

    Verktyg för att simulera en fysisk robot

      Programvara för kommersiell och öppen källkod för 3D-simulering och visualisering

     

      Vecka 02

    Förbereda utvecklingsmiljön

    Installation och installation av programvara Användbara paket och verktyg

    Fallstudie: Mekaniska robotar

      Robotar inom kärnteknikområdet Robotar i miljösystem

    Programming Roboten

      Programmera en nod i Python och C ++ Förstå ROS nod Meddelanden och ämnen i ROS Publikations-/prenumerationsparadigm Projekt: Bump & Go med riktig robot Felsökning Simulering av robotar med Gazebo / ROS Ramar i ROS och referens ändrar 2D informationsbehandling av kameror med OpenCV Informationsbehandling av en laser Projekt: Säker spårning av objekt med färg Felsökning

     

      Vecka 03

    Programming Roboten (Fortsättning...)

    Tjänster inom ROS 3D-informationsbehandling av RGB-D-sensorer med PCL-kartor och Navigation med ROS Projekt: Search för objekt i miljön Felsökning

    Programming Roboten (Fortsättning...)

      ActionLib Speech Recognition och talgenerering Styr robotarmar med MoveIt! Styrande robothals för aktiv syn Projekt: Sökning och insamling av objekt Felsökning

    Testa din robot

      Enhetstestning

     

      Vecka 04

    Utöka en robots kapacitet med Deep Learning

    Perception -- syn, ljud och haptik Kunskapsrepresentation Rösigenkänning genom NLP (naturlig språkbehandling) Computer syn

    Snabbkurs i Deep Learning

      Artificiell Neural Networks (ANN) Artificiell Neural Networks vs. biologisk Neural Networks Framkoppling Neural Networks Aktiveringsfunktioner Träning Artificiell Neural Networks

    Snabbkurs i Deep Learning (Fortsättning...)

      Deep Learning Modeller Convolutional Networks och Recurrent Networks

    Convolutional Neural Networks (CNNs eller ConvNets) Convolution Layer

      Poolande lager
    Konvolutionell Neural Networks Arkitektur
  •  
  • Vecka 05
  • Snabbkurs i Deep Learning (Fortsättning...)
  • Återkommande Neural Networks (RNN) Träning av en RNN Stabiliserande gradienter under träning Långa korttidsminnesnätverk

    Deep Learning-plattformar och mjukvarubibliotek Deep Learning i ROS

    Använda Big Data i din robot

      Big data-koncept Tillvägagångssätt för dataanalys Big Data-verktyg Att känna igen mönster i datan 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 en generator av data Räckviddsmätsensorer, positions-, visuella, taktila sensorer och andra modaliteter
  • Att förstå sensoriska data (sense-plan-act loop)

      Övning: Fånga strömmande data

    Programming en autonom djupinlärningsrobot

      Deep Learning robotkomponenter Konfigurera robotsimulatorn Köra ett CUDA-accelererat neuralt nätverk med Cafe Felsökning
     
  • Vecka 06
  • Programming en autonom djupinlärningsrobot (Fortsättning...)
  • Identifiera objekt i fotografier eller videoströmmar Aktivera datorseende med OpenCV Felsökning

      Dataanalys

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

    Utplacera en robot

    Överföra en simulerad robot till fysisk hårdvara Installera roboten i den fysiska världen Övervaka och serva robotar i fält

      Säkra din robot

    Förhindra obehörig manipulering Förhindra hackare från att se och stjäla känslig data

      Bygga en robot i samarbete

    Bygga en robot i molnet Gå med i robotgemenskapen

      Framtid Outlook för robotar inom vetenskaps- och energiområdet

    Sammanfattning och slutsats

    Krav

    • Erfarenhet av programmering i C eller C++
    • Programmeringserfarenhet i Python (användbar men inte nödvändig; kan läras ut som en del av kursen)
    • Erfarenhet av Linux kommandorad

    Publik

    • Utvecklare
    • Ingenjörer
    • Forskare
    • Tekniker
      120 timmar
     

    Antal deltagare


    Starts

    Ends


    Dates are subject to availability and take place between 09:30 and 16:30.
    Open Training Courses require 5+ participants.

    Vittnesmål (1)

    Relaterade Kurser

    Smart Robots for Developers

      84 timmar

    Relaterade Kategorier