Kursplan
Introduktion till robotmanipulation och djupinlärning
- Översikt över manipulationsuppgifter och systemkomponenter
- Traditionella mot lärandebaserade metoder
- Djupinlärning inom perception, planering och kontroll
Perception för manipulation
- Visuell sensing och objektigenkänning för greppning
- 3D-vision, djupmätning och punktmolnbehandling
- Träna CNNs för objektlokalisering och segmentering
Greppplanering och detektering
- Klassiska greppningsalgoritmer
- Lärande av grepppositioner från data och simulering
- Implementera greppdetekteringsnätverk (t.ex., GGCNN, Dex-Net)
Kontroll och rörelseplanering
- Invers kinematik och bana generering
- Lärandebaserad rörelseplanering och imitation learning
- Förstärkningsinlärning för manipulationskontrollpolicer
Integration med ROS 2 och simuleringsemiljöer
- Konfigurera ROS 2-noder för perception och kontroll
- Simulera robotmanipulatorer i Gazebo och Isaac Sim
- Integrera neuronnät för realtidskontroll
Slutgiltigt lärande för manipulation
- Kombinera perception, policy och kontroll i enhetliga nätverk
- Använda demonstrationdata för övervakat policylearning
- Domänanpassning mellan simulering och verkligt hårdvara
Utvärdering och optimering
- Mätvärden för greppframgång, stabilitet och precision
- Testning under varierande villkor och störningar
- Modellkomprimering och distribution på edge-enheter
Handson-projekt: Djupinlärningsbaserad robotgreppning
- Designa en perception-till-åtgärdspipeline
- Träna och testa ett greppdetektionsmodell
- Integrera modellen i en simulerad robotarm
Sammanfattning och nästa steg
Krav
- Stark förståelse för robotikens kinematik och dynamik
- Erfarenhet av Python och djupinlärningsramverk
- Bekantskap med ROS eller liknande robotmiddelvara
Målgrupp
- Robotikingenjörer som utvecklar intelligenta manipulationsystem
- Perception- och kontrollspecialister som arbetar med greppningsprogram
- Forskare och avancerade praktiker inom robotinlärning och AI-baserad kontroll
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