Course Outline

Εβδομάδα 01

Εισαγωγή

    Τι κάνει ένα ρομπότ έξυπνο;

Φυσικά εναντίον εικονικών ρομπότ

    Smart Robots, Έξυπνες Μηχανές, Αισθανόμενες Μηχανές και Αυτοματισμός Ρομποτικής Διαδικασίας (RPA), κ.λπ.

Ο ρόλος της τεχνητής νοημοσύνης (AI) στο Robotics

    Πέρα από το "if-then-else" και τη μηχανή εκμάθησης Οι αλγόριθμοι πίσω από την τεχνητή νοημοσύνη Μηχανική μάθηση, όραση υπολογιστή, επεξεργασία φυσικής γλώσσας (NLP) κ.λπ. Γνωστική ρομποτική

Ο ρόλος των μεγάλων δεδομένων στο Robotics

    Λήψη αποφάσεων με βάση δεδομένα και πρότυπα

Το σύννεφο και Robotics

    Σύνδεση της ρομποτικής με το IT Δημιουργία πιο λειτουργικών ρομπότ που έχουν πρόσβαση σε περισσότερες πληροφορίες και συνεργάζονται

Μελέτη περίπτωσης: Βιομηχανικά ρομπότ

    Μηχανικά Ρομπότ Baxter
Ρομπότ σε πυρηνικές εγκαταστάσεις Ανίχνευση ακτινοβολίας και προστασία
  • Robots in Nuclear Reactor Ανίχνευση και προστασία ακτινοβολίας
  • Εξαρτήματα υλικού ενός ρομπότ
  • Κινητήρες, αισθητήρες, μικροελεγκτές, κάμερες κ.λπ.
  • Κοινά Element ρομπότ

      Μηχανική όραση, αναγνώριση φωνής, σύνθεση ομιλίας, ανίχνευση εγγύτητας, αίσθηση πίεσης κ.λπ.

    Πλαίσια Ανάπτυξης για Programming ένα ρομπότ

      Ανοιχτό κώδικα και εμπορικά πλαίσια Λειτουργικό σύστημα ρομπότ (ROS) Αρχιτεκτονική: χώρος εργασίας, θέματα, μηνύματα, υπηρεσίες, κόμβοι, βιβλιοθήκες ενεργειών, εργαλεία κ.λπ.

    Γλώσσες για Programming ένα ρομπότ

      C++ για έλεγχο χαμηλού επιπέδου Python για ενορχήστρωση Προγραμματισμός ROS κόμβοι σε Python και C ++ Άλλες γλώσσες

    Εργαλεία για την προσομοίωση ενός φυσικού ρομπότ

      Εμπορικό και ανοιχτού κώδικα λογισμικό τρισδιάστατης προσομοίωσης και απεικόνισης

     

      Εβδομάδα 02

    Προετοιμασία Αναπτυξιακού Περιβάλλοντος

    Εγκατάσταση και εγκατάσταση λογισμικού Χρήσιμα πακέτα και βοηθητικά προγράμματα

    Μελέτη περίπτωσης: Μηχανικά ρομπότ

      Ρομπότ στον τομέα της πυρηνικής τεχνολογίας Ρομπότ σε περιβαλλοντικά συστήματα

    Programming το Ρομπότ

      Προγραμματισμός κόμβου σε Python και C ++ Κατανόηση ROS κόμβου Μηνύματα και θέματα στο ROS Παράδειγμα δημοσίευσης / συνδρομής Έργο: Bump & Go with real robot Αντιμετώπιση προβλημάτων Προσομοίωση ρομπότ με Gazebo / ROS Πλαίσια στο ROS και αναφορά αλλάζει την επεξεργασία πληροφοριών 2D καμερών με OpenCV Επεξεργασία πληροφοριών ενός λέιζερ Έργο: Ασφαλής παρακολούθηση αντικειμένων με έγχρωμη Αντιμετώπιση προβλημάτων

     

      Εβδομάδα 03

    Programming το ρομπότ (Συνέχεια...)

    Υπηρεσίες ROS 3D επεξεργασία πληροφοριών αισθητήρων RGB-D με PCL Maps και Navigation with ROS Project: Search για αντικείμενα στο περιβάλλον Αντιμετώπιση προβλημάτων

    Programming το ρομπότ (Συνέχεια...)

      ActionLib Speech Recognition και Speech Generation Έλεγχος ρομποτικών βραχιόνων με το MoveIt! Έλεγχος ρομποτικού λαιμού για ενεργή όραση Έργο: Αναζήτηση και συλλογή αντικειμένων Αντιμετώπιση προβλημάτων

    Δοκιμάζοντας το ρομπότ σας

      Δοκιμή μονάδας

     

      Εβδομάδα 04

    Επέκταση των δυνατοτήτων ενός ρομπότ με Deep Learning

    Αντίληψη -- όραση, ήχος και απτική αναπαράσταση γνώσης Αναγνώριση φωνής μέσω NLP (επεξεργασία φυσικής γλώσσας) Computer όραση

    Crash Course σε Deep Learning

      Τεχνητό Neural Networks (ANNs) Τεχνητό Neural Networks έναντι βιολογικού Neural Networks Feedforward Neural Networks Λειτουργίες ενεργοποίησης Εκπαίδευση Τεχνητό Neural Networks

    Crash Course στο Deep Learning (Συνέχεια...)

      Deep Learning Μοντέλα συνελικτικών δικτύων και επαναλαμβανόμενων δικτύων

    Συνελικτικό Neural Networks (CNN ή ConvNets) Επίπεδο συνέλιξης

      Στρώμα συγκέντρωσης
    Convolutional Neural Networks Αρχιτεκτονική
  •  
  • Εβδομάδα 05
  • Crash Course στο Deep Learning (Συνέχεια...)
  • Επαναλαμβανόμενη Neural Networks (RNN) Εκπαίδευση RNN Σταθεροποίηση κλίσεων κατά τη διάρκεια της εκπαίδευσης Δίκτυα μακροπρόθεσμης μνήμης

    Πλατφόρμες Deep Learning και Βιβλιοθήκες Λογισμικού Deep Learning στο ROS

    Χρήση του Big Data στο ρομπότ σας

      Έννοιες μεγάλων δεδομένων Προσεγγίσεις στην ανάλυση δεδομένων Εργαλεία μεγάλων δεδομένων Αναγνώριση προτύπων στα δεδομένα Άσκηση: NLP και Computer Vision σε μεγάλα σύνολα δεδομένων
    Χρήση του Big Data στο ρομπότ σας (Συνέχεια...)
  • Κατανεμημένη επεξεργασία μεγάλων συνόλων δεδομένων Συνύπαρξη και διασταυρούμενη γονιμοποίηση Big Data και Robotics Το ρομπότ ως γεννήτρια δεδομένων Αισθητήρες μέτρησης εύρους, θέσης, οπτικοί, απτικοί αισθητήρες και άλλοι τρόποι
  • Κατανοώντας αισθητηριακά δεδομένα (βρόχος αίσθηση-σχέδιο-πράξη)

      Άσκηση: Λήψη δεδομένων ροής

    Programming ένα αυτόνομο ρομπότ βαθιάς μάθησης

      Deep Learning εξαρτήματα ρομπότ Ρύθμιση του προσομοιωτή ρομπότ Εκτέλεση νευρωνικού δικτύου με επιτάχυνση CUDA με Αντιμετώπιση προβλημάτων Cafe
     
  • Εβδομάδα 06
  • Programming ένα αυτόνομο ρομπότ βαθιάς μάθησης (Συνέχεια...)
  • Αναγνώριση αντικειμένων σε φωτογραφίες ή ροές βίντεο Ενεργοποίηση όρασης υπολογιστή με OpenCV Αντιμετώπιση προβλημάτων

      Αναλύσεις δεδομένων

    Χρήση του ρομπότ για συλλογή και οργάνωση νέων δεδομένων Εργαλεία και διαδικασίες για την κατανόηση των δεδομένων

    Ανάπτυξη ρομπότ

    Μετάβαση ενός προσομοιωμένου ρομπότ σε φυσικό υλικό Ανάπτυξη του ρομπότ στον φυσικό κόσμο Παρακολούθηση και εξυπηρέτηση ρομπότ στο πεδίο

      Ασφάλιση του ρομπότ σας

    Αποτροπή μη εξουσιοδοτημένης παραβίασης Αποτροπή χάκερ από την προβολή και την κλοπή ευαίσθητων δεδομένων

      Κατασκευάζοντας ένα ρομπότ από κοινού

    Κατασκευή ρομπότ στο σύννεφο Συμμετοχή στην κοινότητα της ρομποτικής

      Μέλλον Outlook για τα ρομπότ στον τομέα της επιστήμης και της ενέργειας

    Περίληψη και Συμπέρασμα

    Requirements

    • Εμπειρία προγραμματισμού σε C ή C++
    • Εμπειρία προγραμματισμού στο Python (χρήσιμο αλλά όχι απαραίτητο, μπορεί να διδαχθεί ως μέρος φυσικά)
    • Εμπειρία με τη γραμμή εντολών Linux

    Ακροατήριο

    • προγραμματιστές
    • Μηχανικοί
    • Επιστήμονες
    • Τεχνικοί
     120 Hours

    Number of participants



    Price per participant

    Testimonials (1)

    Related Courses

    ROS for Mobile Robots using Python

    21 Hours

    Smart Robots for Developers

    84 Hours

    Developing a Bot

    14 Hours

    Related Categories