Σε αυτή τη διδασκαλία με επιμέλεια εξερευνητή σε Ελλάδα (ονλάιν ή σε υπόγειο περιβάλλον), οι συμμετέχοντες θα μάθουν τις διάφορες τεχнологίες, πλαίσια και τεχνικές για την προγραμματισμό διαφορετικών είδων ρομπότ να χρησιμοποιηθούν στο πεδίο της πυρηνικής τεχνολογίας και των περιβαλλοντικών συστημάτων.
Ο 6-εβδομαδιαίος κύκλος διδασκαλίας είναι που επιβραβεύει για 5 μέρες την εβδομάδα. Κάθε μέρα κρατάει 4 ώρες και αποτελείται από διαλέξεις, συζήτησε και πρακτικό προγραμματισμό ρομπότ σε ένα περιβάλλον εργασίας με τυχαίες πειραματικές δημιουργίες. Οι συμμετέχοντες θα προσαρμόσουν διάφορα πραγματικά προβλήματα εφαρμοσίμων στην εργασία τους ώστε να πραξικοπήσουν τα γνώριμα τους.
Το κέντρο εφαρμογής για αυτό το μάθημα θα είναι προσομοιωμένο σε 3D χρησιμοποιώντας λογισμικό προσομοίωσης. Το ROS (Robot Operating System) αυτόσχεδος πλαίσιο, C++ και Python θα χρησιμοποιηθούν για τον προγραμματισμό ρομπότ.
Ακολουθώντας τη διδασκαλία, οι συμμετέχοντες θα μπορούν να:
- Συντάξουν τις βασικές ιδέες που χρησιμοποιούνται στις ρομποτικές τεχνολογίες.
- Συντάξουν και διαχειρίσουν την αλληλεπίδραση μεταξύ λογισμικού και υλικής σε ένα ρομποτικό σύστημα.
- Συντάξουν και εφαρμόσουν τα λογισμικά στοιχεία που υποστηρίζουν τη ρομποτική.
- Δημιουργήσουν και λειτουργήσουν ένα προσομοιωμένο μηχανικό ρομπότ που να μπορεί να βλέπει, αντιλαμβάνεται, εκτελεί, ναξεύει και να διαθέτει με ανθρώπους πιστευόμενη ήχο.
- Συντάξουν τα απαραίτητα στοιχεία της επιστήμης των μηχανών (μηχανικής μάθησης, βαθιά μάθηση κλπ.) υποδειγμένες στη δημιουργία ενός νου αυτοκινήτου.
- Εφαρμόσουν φίλτρα (Kalman και Particle) για να επιτρέψει στο ρομπότ να βρίσκει κινούμενα αντικείμενα στην περιουσία του.
- Εφαρμόσουν αλγόριθμους ζήτησης και επιχειρησιακού διαχείριση.
- Εφαρμόσουν το πλαίσιο PID για την διαχείριση των κινήσεων ενός ρομπότ σε ένα περιβάλλον.
- Εφαρμόσουν αλγόριθμους SLAM για να επιτρέψει στο ρομπότ να αντικείμενο μια άγνωστη περιουσία.
- Διευθύνει τη δυνατότητα ενός ρομπότ να πραξικοπήσει μάζες εργασίας και Deep Learning.
- Δοκιμάσουν και διάσωσε ένα ρομπότ σε πραγματικά μερίδια.
Τεχνητή Νοημοσύνη και Ρομποτική για την Πυρηνική Τεχνολογία - ΔιεξοδικόΤέχνη-Νοησίς (AI) και ρομποτική είναι ισχυρά εργαλεία για την ανάπτυξη συστημάτων ασφαλείας σε πυρηνικές όρες. Σε αυτή τη διδασκαλία με επιμέλεια, οι συμμετέχοντες θα μάθουν τις διάφορες τεχνολογίες, πλαίσια και τεχνικές για την προγραμματισμό διαφορετικών είδων ρομπότ να χρησιμοποιηθούν στο πεδίο της πυρηνικής τεχνολογίας και των περιβαλλοντικών συστημάτων. Ο 6-εβδομαδιαίος κύκλος διδασκαλίας είναι που επιβραβεύει για 5 μέρες την εβδομάδα. Κάθε μέρα κρατάει 4 ώρες και αποτελείται από διαλέξεις, συζήτησε και πρακτικό προγραμματισμό ρομπότ σε ένα περιβάλλον εργασίας με τυχαίες πειραματικές δημιουργίες. Οι συμμετέχοντες θα προσαρμόσουν διάφορα πραγματικά προβλήματα εφαρμοσίμων στην εργασία τους ώστε να πραξικοπήσουν τα γνώριμα τους.Το κέντρο εφαρμογής για αυτό το μάθημα θα είναι προσομοιωμένο σε 3D χρησιμοποιώντας λογισμικό προσομοίωσης. Το ROS (Robot Operating System) αυτόσχεδος πλαίσιο, C++ και Python θα χρησιμοποιηθούν για τον προγραμματισμό ρομπότ.Ακολουθώντας τη διδασκαλία, οι συμμετέχοντες θα μπορούν να:- Συντάξουν τις βασικές ιδέες που χρησιμοποιούνται στις ρομποτικές τεχνολογίες.- Συντάξουν και διαχειρίσουν την αλληλεπίδραση μεταξύ λογισμικού και υλικής σε ένα ρομβοτικό σύστημα.- Συντάξουν και εφαρμόσουν τα λογισμικά στοιχεία που υποστηρίζουν τη ρομβοτική.- Δημιουργήσουν και λειτουργήσουν ένα προσομοιωμένο μηχανικό ρομπότ που να μπορεί να βλέπει, αντιλαμβάνει, εξευτελίζει, διασφαλίζει και διαθέτει με τους ανθρώπους πιστευόμενη ήχο.- Συντάξουν τα απαραίτητα στοιχεία της επιστήμης των μηχανών (μηχανικής μάθησης, βαθιά μάθηση κλπ.) υποδειγμένες στη δημιουργία ενός νου αυτοκινήτου.- Εφαρμόσουν φίλτρα (Kalman και Particle) για να επιτρέψει στο ρομπότ να βρίσκει κινούμενα αντικείμενα στην περιουσία του.- Εφαρμόσουν αλγόριθμους ζήτησης και επιχειρησιακού διαχείριση.- Εφαρμόσουν το πλαίσιο PID για την διαχείριση των κινήσεων ενός ρομπότ σε ένα περιβάλλον.- Εφαρμόσουν αλγόριθμους SLAM για να επιτρέψει στο ρομπότ να αντικείμενο μια άγνωστη περιουσία.- Διευθύνει τη δυνατότητα ενός ρομπότ να πραξικοπήσει μάζες εργασίας και Deep Learning.- Δοκιμάσουν και διάσωσε ένα ρομπότ σε πραγματικά μέριδια.Σχήμα της Διδασκαλίας- Επικοινωνιακή διάλεξη και συζήτηση.- Πολλές ασκήσεις και πρακτική.- Πρακτική εφαρμογή σε μία περιβάλλον εργασίας.Λύσεις προσαρμογής της Διδασκαλίας- Για να προσαρμόσουν κάποια μέρη αυτής της διδασκαλίας (λογισμική, ρομπότ ηλικία, κλπ.) παρακαλώ επικοινωνήστε μαζί μας για να διατάξετε.Χρησιμοποιότητα Προγραμματισμού σε C και C++- Εμπειρία προγραμματισμού μέσω Python (χρήσιμο αλλά όχι ανάγκη; μπορεί να εξηγηθεί σε τομές διδασκαλία)- Εμπειρία στο περιβάλλον LinuxΠληρόφορος- Προγραμματιστές- Μηχανικοί- Επιστήμονες- ΤεχνικοίΗμέρα 01Εισαγωγή- Τι ποιά συνθήκη ενός ρομβότ νου;- Φυσικού vs Virtual Robots- Πεπερασμένου Smart Machines, Sentient Machines και Robotic Process Automation (RPA), κλπ.- Η πρόθεση της επιστήμης των μηχανών (AI) στη ρομβοτική - Πέρα από "if-then-else" και του μάθησης μηχανής - Οι αλγόριθμοι πίσω AI - Μηχανική μάθηση, υπολογιστική ντέιτ και φυσικώς του γλώσσας επεξεργασίας (NLP), κλπ. - Πνεύματος ρομβοτική- Η πρόθεση μεγάλων δεδομένων στη ρομβοτική - Επιχείρηση βασικώς "εφαρμόσε" και αντυπολογισμού- Το Cloud και ρομβοτική - Συνδέσεις με IT ρομβότ - Δημιουργία πιο επωφελών ρομβότ που αποκτούν πιο λεπτομερή και συνεργάζεταιΠερισσότερα Παραδείγματα: Επιχειρηματικές ρομβότ- Μηχανική ρομβότ - Baxter- Ρομβότ σε πυρηνικά οδηγώσεις - Παραπλανήσεως ανίχνευση και προστασία- Ρομβότ σε πυρηνικά δραστηριότητες - Παραπλανήσεως ανίχνευση και προστασίαΜηχανής στοιχεία ρομβότ- Μοτορ, συσκευές, μικροπελαστές, κάμερες, κλπ.Κοινοπραξίες ρομβότ- Machine vision, εγνώριση ήχου, γλωσσή συνθέσεις, πλησιέστερη ανίχνευση, αντίδραση πειράματα, κλπ.Πλαίσιο Διαχείρισης για τον Προγραμματισμό ρομβότ- Open source και εμπορικά πλαίσια- Robot Operating System (ROS) - Αρχιτεκτονική: workspace, topics, messages, services, nodes, actionlibs, tools, κλπ.Γλώσσες για την Διαχείριση ρομβότ- C++ για μικρό προγραμματισμό- Python για ορχήστρα- Προγράμματα ROS σε Python και C ++- Άλλες λίγεςΕργαλεία προσομοίωση ρομβότ- Commercial και open source 3D simulation and visualization softwareΗμέρα 02Προετοιμασία του Διαχείρισης Περιβάλλον- Εγκατάσταση λογισμικού και ρυθμίσεων- Κινητές πακέτων και αξιόπιστα utilitiesΠερισσότερα Παραδείγματα: Μηχανική ρομβότ- Ρομβότ στο πυρηνική τεχνολογίας αγορά- Ρομβότ σε περιβαλλοντικές ροδέςΠρογραμματισμός του ρομβότ- Προγραμματισμός μιας νόδ σε Python και C ++- Επίλυση ROS node- Messages and topics in ROS- Publication / subscription paradigm- Project: Bump & Go with real robot- Troubleshooting- Simulation of robots with Gazebo / ROS- Frames in ROS and reference changes- 2D information processing of cameras with OpenCV- Information processing of a laser- Project: Safe tracking of objects by color- TroubleshootingΗμέρα 03Προγραμματισμός του ρομβότ (Συνεχιζόμενη...)- Services in ROS- 3D information processing of RGB-D sensors with PCL- Maps and Navigation with ROS- Project: Search for objects in the environment- TroubleshootingΠρογραμματισμός του ρομβότ (Συνεχιζόμενη...)- ActionLib- Speech Recognition and Speech Generation- Controlling robotic arms with MoveIt!- Controlling robotic neck for active vision- Project: Search and collection of objects- TroubleshootingΔοκιμή του ρομβότ- Unit testingΗμέρα 04Επεκτάσεις στην Εξωτερικότητα του ροβότ μέσα Deep Learning- Perception -- vision, audio και αντίδραση πειράματα- Knowledge representation- Voice recognition through NLP (natural language processing)- Computer visionΑυξημένη Εκπαίδευση σε Deep Learning- Artificial Neural Networks (ANNs)- Artificial Neural Networks vs. Biological Neural Networks- Feedforward Neural Networks- Activation Functions- Training Artificial Neural NetworksΑυξημένη Εκπαίδευση σε Deep Learning (Συνεχιζόμενη...)- Deep Learning ModelsConvolutional Networks και Recurrent NetworksConvolutional Neural Networks (CNNs or ConvNets) Convolution Layer Pooling Layer Convolutional Neural Networks ArchitectureΗμέρα 05Αυξημένη Εκπαίδευση σε Deep Learning (Συνεχιζόμενη...)- Recurrent Neural Networks (RNN) - Training an RNN - Stabilizing gradients during training - Long short-term memory networks- Deep Learning Platforms and Software Libraries - Deep Learning in ROSΧρήση μεγάλων δεδομένων στην ροβότ- Μεγάλα data concepts- Προσέγγιση προς την ανίχνευση δεδομένων- Megalos δεδομένων tooling- αντιγραφή μοτίβου στα δεδομένα- Υποχρεώσεις: NLP και Computer Vision πάνω σε μεγάλα data setsΧρήση μεγάλων δεδομένων στην ροβότ (Συνεχιζόμενη...)- Distributed processing of large data sets- Coexistence and cross-fertilization του megala δεδομένων και ροβοτικής- Ο robot από συγκεκριμένα generator of data - Range measuring sensors, position, visual, tactile sensors, and other modalities- Making sense of sensory data (sense-plan-act loop)- Υποχρεώσεις: Capturing streaming dataΠρογραμματισμός του αυτόνοητο Deep Learning ροβότ- Deep Learning robot components- Setting up the robot simulator- Running a CUDA-accelerated neural network with Cafe- TroubleshootingΗμέρα 06Προγραμματισμός του αυτόνοητο Deep Learning ροβότ (Συνεχιζόμενη...)- Recognizing objects in photographs or video streams- Enabling computer vision with OpenCV- TroubleshootingΑνάλυση δεδομένων- Using the robot to collect and organize new data- Tools και προцέσσεις για να αντιγράψουμε τα δεδομέναΑποστολή Συστήματος- Transitioning a simulated robot to physical hardware- Deploying the robot in the physical world- Monitoring and servicing robots in the fieldΒιώσιμη του ροβότ- Preventing unauthorized tampering- Preventing hackers from viewing και stealing sensitive dataΚατασκευή ροβότ συνολικά- Building a robot in the cloud- Joining the robotics communityΤέλη του ποδίου των robots στην Επιστήμη και ενεργειακός τομέα- Περίληψη και μελέτη
Διάβασε περισσότερα...
