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
Vittnesmål (1)
I feel I get the core skills I need to understand how the ROS fits together, and how to structure projects in it.