Datorseende för robotik: Perception med OpenCV & Djupinlärning Träningskurs

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 Sverige (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.

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.

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

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 Sverige (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.

Denna instruktörsledda, liveutbildning i Sverige (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.

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.

Denna instruktörledda, liveutbildning i Sverige (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.

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.

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.

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.

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.