Plan Szkolenia

Wprowadzenie do AI i Robotyki

  • Przegląd współczesnej robotyki i konwergencji AI
  • Zastosowania w systemach autonomicznych, dronach i robotach serwisowych
  • Kluczowe komponenty AI: percepcja, planowanie i sterowanie

Konfiguracja środowiska programistycznego

  • Instalacja Pythona, ROS 2, OpenCV i TensorFlow
  • Korzystanie z Gazebo lub Webots do symulacji robotów
  • Praca z Jupyter Notebooks do eksperymentów z AI

Percepcja i przetwarzanie obrazu

  • Korzystanie z kamer i czujników do percepcji
  • Klasyfikacja obrazów, wykrywanie obiektów i segmentacja z użyciem TensorFlow
  • Wykrywanie krawędzi i śledzenie konturów z OpenCV
  • Przetwarzanie i strumieniowanie obrazów w czasie rzeczywistym

Lokalizacja i fuzja danych z czujników

  • Zrozumienie probabilistycznej robotyki
  • Filtry Kalmana i rozszerzone filtry Kalmana (EKF)
  • Filtry cząsteczkowe dla środowisk nieliniowych
  • Integracja danych z LiDAR, GPS i IMU do lokalizacji

Planowanie ruchu i nawigacja

  • Algorytmy planowania ścieżki: Dijkstra, A* i RRT*
  • Unikanie przeszkód i mapowanie środowiska
  • Sterowanie ruchem w czasie rzeczywistym z użyciem PID
  • Dynamiczna optymalizacja ścieżki z wykorzystaniem AI

Uczenie ze wzmocnieniem w robotyce

  • Podstawy uczenia ze wzmocnieniem
  • Projektowanie zachowań robotów opartych na nagrodach
  • Q-learning i Deep Q-Networks (DQN)
  • Integracja agentów RL w ROS do adaptacyjnego ruchu

Simultaneous Localization and Mapping (SLAM)

  • Zrozumienie koncepcji i procesów SLAM
  • Implementacja SLAM z użyciem pakietów ROS (gmapping, hector_slam)
  • Wizualny SLAM z użyciem OpenVSLAM lub ORB-SLAM2
  • Testowanie algorytmów SLAM w środowiskach symulowanych

Zaawansowane tematy i integracja

  • Rozpoznawanie mowy i gestów do interakcji człowiek-robot
  • Integracja z platformami IoT i robotyki chmurowej
  • Predykcyjne utrzymanie robotów napędzane AI
  • Etyka i bezpieczeństwo w robotyce z AI

Projekt końcowy

  • Projektowanie i symulacja inteligentnego robota mobilnego
  • Implementacja nawigacji, percepcji i sterowania ruchem
  • Demonstracja podejmowania decyzji w czasie rzeczywistym z użyciem modeli AI

Podsumowanie i kolejne kroki

  • Przegląd kluczowych technik AI w robotyce
  • Trendy przyszłości w robotyce autonomicznej
  • Źródła do dalszej nauki

Wymagania

  • Doświadczenie w programowaniu w Pythonie lub C++
  • Podstawowa znajomość informatyki i inżynierii
  • Znajomość pojęć z zakresu prawdopodobieństwa, rachunku różniczkowego i algebry liniowej

Grupa docelowa

  • Inżynierowie
  • Entuzjaści robotyki
  • Badacze w dziedzinie automatyzacji i AI
 21 godzin

Liczba uczestników


Cena za uczestnika

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie