Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till robotmanipulering och djupinlärning
- Översikt över manipuleringuppgifter och systemkomponenter
- Traditionella tillvägagångssätt jämfört med inlärningsbaserade metoder
- Djupinlärning i perception, planering och styrning
Perception för manipulering
- Visuell sensing och objektdetektion för grippande
- 3D-vision, djupdetektering och punktmolnsbehandling
- Träning av CNN:er för objektplacering och segmentering
Grippplanering och detektion
- Klassiska algoritmer för grippplanering
- Inlärning av grippositioner från data och simulering
- Implementering av grippdetektionsnätverk (t.ex. GGCNN, Dex-Net)
Styrning och rörelseplanering
- Invers kinematik och bantningsskapning
- Inlärningsbaserad rörelseplanering och imitationsinlärning
- Belöningsinlärning för manipuleringstyrningspolicyer
Integrering med ROS 2 och simuleringsmiljöer
- Inställning av ROS 2-noder för perception och styrning
- Simulering av robotmanipulatorer i Gazebo och Isaac Sim
- Integrering av neurala modeller för realtidsstyrning
End-to-end-inlärning för manipulering
- Kombinera perception, policy och styrning i enade nätverk
- Användning av demonstrationdata för övervakad policyinlärning
- Domänanpassning mellan simulering och reala hårdvaran
Utvärdering och optimering
- Mätetal för grippningslycka, stabilitet och precision
- Testning under varierande förhållanden och störningar
- Modelldrygning och införsel på edge-enheter
Praktiskt projekt: Robotgripande baserat på djupinlärning
- Design av en perception-till-aktion-pipeline
- Träning och testning av ett grippdetektionsmodell
- Integrering av modellen i en simulerad robotarm
Krav
- Stark förståelse för robotikens kinematik och dynamik
- Erfarenhet av Python och ramverk för djupinlärning
- Kännedom om ROS eller liknande robotmellanprogramvara
Målgrupp
- Robotikingenjörer som utvecklar intelligenta manipulationssystem
- Specialister inom perception och styrning som arbetar med grippningsapplikationer
- Forskare och avancerade praktiker inom robotinlärning och AI-baserad styrning
28 Timmar
Vittnesmål (2)
Tillhandahållande av material (virtuell maskin) för att direkt komma igång med övningarna, samt förklaring av Ros2-kärnan. Varför saker fungerar på ett visst sätt.
Arjan Bakema
Kurs - Autonomous Navigation & SLAM with ROS 2
Maskintolkat
dessas kunskaper och användningen av AI för robotik i framtiden.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurs - Artificial Intelligence (AI) for Robotics
Maskintolkat