Kom i kontakt
 Varaktighet 21 timmar

Kursplan

Grunderna i TinyML för robotik

  • TinyML:s nyckelförmågor och begränsningar
  • Rollen för edge AI i autonoma system
  • Hårdvaröverväganden för mobila robotar och drönare

Inbäddad hårdvara och sensorgränssnitt

  • Mikrokontrollrar och inbäddade kort för robotik
  • Integrering av kameror, IMU:er och närhetssensorer
  • Budgetering av energi och beräkningskraft

Datahantering för robotuppfattning

  • Insamling och etikettering av data för robotikuppgifter
  • Metoder för förbehandling av signaler och bilder
  • Strategier för extraktion av funktioner för resursbegränsade enheter

Utveckling och optimering av modeller

  • Urval av arkitekturer för uppfattning, detektering och klassificering
  • Träningspipelines för inbäddad ML
  • Modelkompression, kvantisering och latensoptimering

Uppfattning och styrning på enheten

  • Körning av inferens på mikrokontrollrar
  • Fusion av TinyML-utdata med styrningsalgoritmer
  • Realtidssäkerhet och reaktionsförmåga

Förbättringar av autonom navigation

  • Lättvikt baserad på vision för navigation
  • Detektering och undvikande av hinder
  • Medvetenhet om omgivningen under resursbegränsningar

Testning och validering av TinyML-drivna robotar

  • Simuleringsverktyg och fälttestningsmetoder
  • Prestandaimetrar för inbäddad autonomi
  • Felsökning och iterativ förbättring

Integration i robotikplattformar

  • Distribution av TinyML inom ROS-baserade pipelines
  • Gränssnitt för ML-modeller med motorstyrningar
  • Upprätthållande tillförlitlighet över hårdvaruvaryationer

Sammanfattning och nästa steg

Krav

  • Förståelse för robotiksystemarkitekturer
  • Erfarenhet av inbäddad utveckling
  • Kännedom om maskinlärningskoncept

Målgrupp

  • Robotikingenjörer
  • AI-forskare
  • Inbäddade utvecklare

Antal deltagare


Pris per deltagare

Vittnesmål (2)

Kommande Kurser

Relaterade Kategorier