Kursplan

Introduktion till Edge AI i Robotik

  • Vad är Edge AI?
  • Varför Edge AI är avgörande för robotik
  • Utmaningar med realtids-AI i autonoma system

Distribuera AI-Modeller på Edge Enheter

  • AI-inferens på NVIDIA Jetson och andra edge-hårdvara
  • Användning av TensorFlow Lite och ONNX för edge-distribuering
  • Optimera AI-modeller för realtidsutförande

Realtidsuppfattning för Autonoma System

  • Datorseende för robotnavigering
  • Sensorfusion: LiDAR, kameror och IMUer
  • Edge AI för objektdetektering och spårning

Beslutsfattande och Kontroll i Robotik

  • Förstärkning lärande för autonoma beteenden
  • Vägplanering och hinderundvikning
  • Latensoptimering i realtids-AI-system

Integrering av AI med ROS (Robot Operating System)

  • Översikt över ROS och dess ekosystem
  • Kör AI-baserade uppfattningsmodeller i ROS
  • Edge AI i multi-robot- och svärmrobotikapplikationer

Optimering av AI för Låg-Energirobotiska System

  • Effektiva neurala nätverksarkitekturer för robotik
  • Minskning av energiförbrukning i AI-drivna robotar
  • Distribuera AI på batteridrivna robotplattformar

Verkliga Applikationer och Framtida Trender

  • Autonoma drönare och industrirobotar
  • AI-drivna robotassistenter
  • Framtida framsteg inom Edge AI för robotik

Sammanfattning och Nästa Steg

Krav

  • Förståelse för AI och maskininlärningsmodeller
  • Erfarenhet av inbyggda system eller robotik
  • Grundläggande kunskap om realtidsdatorer

Målgrupp

  • Robotikingenjörer
  • AI-utvecklare
  • Automatiseringsspecialister
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier