Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Εισαγωγή στην Τεχνητή Νοημοσύνη και τη Ρομποτική

  • Επισκόπηση της σύγκλισης σύγχρονης ρομποτικής και τεχνητής νοημοσύνης
  • Εφαρμογές σε αυτόνομα συστήματα, drones και ρομπότ υπηρεσιών
  • Βασικά συστατικά της τεχνητής νοημοσύνης: αντίληψη, σχεδιασμός και έλεγχος

Ρύθμιση του Περιβάλλοντος Ανάπτυξης

  • Εγκατάσταση Python, ROS 2, OpenCV και TensorFlow
  • Χρήση Gazebo ή Webots για προσομοίωση ρομπότ
  • Εργασία με Jupyter Notebooks για πειράματα τεχνητής νοημοσύνης

Αντίληψη και Υπολογιστική Όραση

  • Χρήση καμερών και αισθητήρων για αντίληψη
  • Ταξινόμηση εικόνων, ανίχνευση αντικειμένων και κατάτμηση με TensorFlow
  • Ανίχνευση ακμών και παρακολούθηση περιγραμμάτων με OpenCV
  • Ροή και επεξεργασία εικόνας σε πραγματικό χρόνο

Εντοπισμός Θέσης και Σύντηξη Αισθητήρων

  • Κατανόηση της πιθανοτικής ρομποτικής
  • Φίλτρα Kalman και Εκτεταμένα Φίλτρα Kalman (EKF)
  • Σωματιδιακά φίλτρα για μη γραμμικά περιβάλλοντα
  • Ενσωμάτωση δεδομένων LiDAR, GPS και IMU για εντοπισμό θέσης

Σχεδιασμός Κίνησης και Εύρεση Διαδρομής

  • Αλγόριθμοι σχεδιασμού διαδρομής: Dijkstra, A* και RRT*
  • Αποφυγή εμποδίων και χαρτογράφηση περιβάλλοντος
  • Έλεγχος κίνησης σε πραγματικό χρόνο με PID
  • Δυναμική βελτιστοποίηση διαδρομής με τεχνητή νοημοσύνη

Ενισχυτική Μάθηση για Ρομποτική

  • Θεμελιώδεις αρχές της ενισχυτικής μάθησης
  • Σχεδιασμός ρομποτικών συμπεριφορών βασισμένων σε ανταμοιβές
  • Q-learning και Deep Q-Networks (DQN)
  • Ενσωμάτωση πρακτόρων ενισχυτικής μάθησης σε ROS για προσαρμοστική κίνηση

Ταυτόχρονος Εντοπισμός και Χαρτογράφηση (SLAM)

  • Κατανόηση των εννοιών και των ροών εργασίας SLAM
  • Υλοποίηση SLAM με πακέτα ROS (gmapping, hector_slam)
  • Οπτικό SLAM με OpenVSLAM ή ORB-SLAM2
  • Δοκιμή αλγορίθμων SLAM σε προσομοιωμένα περιβάλλοντα

Προηγμένα Θέματα και Ενσωμάτωση

  • Αναγνώριση ομιλίας και χειρονομιών για αλληλεπίδραση ανθρώπου-ρομπότ
  • Ενσωμάτωση με πλατφόρμες IoT και cloud ρομποτικής
  • Προγνωστική συντήρηση ρομπότ με τεχνητή νοημοσύνη
  • Ηθική και ασφάλεια στη ρομποτική με τεχνητή νοημοσύνη

Τελικό Έργο (Capstone Project)

  • Σχεδιασμός και προσομοίωση ενός ευφυούς κινητού ρομπότ
  • Υλοποίηση πλοήγησης, αντίληψης και ελέγχου κίνησης
  • Επίδειξη λήψης αποφάσεων σε πραγματικό χρόνο με μοντέλα τεχνητής νοημοσύνης

Σύνοψη και Επόμενα Βήματα

  • Ανασκόπηση βασικών τεχνικών τεχνητής νοημοσύνης για ρομποτική
  • Μελλοντικές τάσεις στην αυτόνομη ρομποτική
  • Πόροι για συνεχή μάθηση

Απαιτήσεις

  • Εμπειρία προγραμματισμού σε Python ή C++
  • Βασική κατανόηση της επιστήμης υπολογιστών και της μηχανικής
  • Εξοικείωση με έννοιες πιθανοτήτων, απειροστικό λογισμό και γραμμική άλγεβρα

Κοινό

  • Μηχανικοί
  • Λάτρεις της ρομποτικής
  • Ερευνητές στον αυτοματισμό και την τεχνητή νοημοσύνη
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Σχόλια (1)

Εφεξής Μαθήματα

Σχετικές Κατηγορίες