Kursplan

Introduktion till Edge AI in Autonomous Systems

  • Översikt över Edge AI och dess betydelse i autonoma system
  • Viktiga fördelar och utmaningar med att implementera Edge AI i autonoma system
  • Aktuella trender och innovationer inom Edge AI för autonomi
  • Verkliga tillämpningar och fallstudier

Realtidsbearbetning i autonoma system

  • Grunderna för databehandling i realtid
  • AI-modeller för beslutsfattande i realtid
  • Hantering av dataströmmar och sensorfusion
  • Praktiska exempel och fallstudier

Edge AI i autonoma fordon

  • AI-modeller för fordonsuppfattning och kontroll
  • Utveckla och distribuera AI-lösningar för navigering i realtid
  • Integrera Edge AI med fordonskontrollsystem
  • Fallstudier av Edge AI i autonoma fordon

Edge AI i drönare

  • AI-modeller för drönaruppfattning och flygkontroll
  • Databehandling och beslutsfattande i realtid i drönare
  • Implementera Edge AI för autonom flygning och undvikande av hinder
  • Praktiska exempel och fallstudier

Edge AI i Robotics

  • AI-modeller för robotperception och manipulation
  • Bearbetning och styrning i realtid i robotsystem
  • Integrera Edge AI med robotstyrarkitekturer
  • Fallstudier av Edge AI inom robotik

Utveckling av AI-modeller för autonoma tillämpningar

  • Översikt över relevanta modeller för maskininlärning och djupinlärning
  • Träna och optimera modeller för gränsdistribution
  • Verktyg och ramverk för autonom Edge AI (TensorFlow Lite, ROS etc.)
  • Modellvalidering och utvärdering i autonoma miljöer

Distribuera Edge AI-lösningar i autonoma system

  • Steg för att distribuera AI-modeller på olika gränsmaskinvara
  • Databearbetning och slutsatsdragning i realtid på gränsenheter
  • Övervaka och hantera distribuerade AI-modeller
  • Exempel på praktisk användning och fallstudier

Etiska och regulatoriska överväganden

  • Säkerställa säkerhet och tillförlitlighet i autonoma AI-system
  • Hantering av partiskhet och rättvisa i autonoma AI-modeller
  • Överensstämmelse med regler och standarder i autonoma system
  • Metodtips för ansvarsfull AI-distribution i autonoma system

Utvärdering och optimering av prestanda

  • Tekniker för att utvärdera modellprestanda i autonoma system
  • Verktyg för övervakning och felsökning i realtid
  • Strategier för att optimera AI-modellens prestanda i autonoma applikationer
  • Hantera utmaningar med svarstid, tillförlitlighet och skalbarhet

Innovativa Use Cases och applikationer

  • Avancerade tillämpningar av Edge AI i autonoma system
  • Fördjupade fallstudier inom olika autonoma domäner
  • Framgångshistorier och lärdomar
  • Framtida trender och möjligheter inom Edge AI för autonomi

Praktiska projekt och övningar

  • Utveckla en omfattande Edge AI-applikation för ett autonomt system
  • Verkliga projekt och scenarier
  • Gemensamma gruppövningar
  • Projektpresentationer och återkoppling

Sammanfattning och nästa steg

Krav

  • En förståelse för AI och maskininlärningskoncept
  • Erfarenhet av programmeringsspråk (Python rekommenderas)
  • Kännedom om robotik, autonoma system eller relaterad teknik

Publik

  • Robotics Ingenjörer
  • Utvecklare av autonoma fordon
  • AI-forskare
 14 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier