Plan Szkolenia

Wprowadzenie do Edge AI w robotyce

  • Co to jest Edge AI?
  • Dlaczego Edge AI jest niezbędne dla robotyki
  • Wyzwania związane z AI w czasie rzeczywistym w autonomicznych systemach

Wdrażanie modeli AI na urządzeniach Edge

  • Inferencja AI na NVIDIA Jetson i innym sprzęcie Edge
  • Używanie TensorFlow Lite i ONNX do wdrażania na urządzeniach Edge
  • Optymalizacja modeli AI dla wykonania w czasie rzeczywistym

Percepcja w czasie rzeczywistym dla autonomicznych systemów

  • Wizja komputerowa dla nawigacji robotów
  • Fuzja danych z czujników: LiDAR, kamery i IMU
  • Edge AI do wykrywania i śledzenia obiektów

Decyzje i kontrola w robotyce

  • Ucząc się przez wzmocnienie dla autonomicznych zachowań
  • Planowanie ścieżki i unikanie przeszkód
  • Optymalizacja opóźnień w systemach AI w czasie rzeczywistym

Integracja AI z ROS (Robot Operating System)

  • Przegląd ROS i jego ekosystemu
  • Uruchamianie modeli percepcji opartych na AI w ROS
  • Edge AI w aplikacjach wielorobotowych i robota swarmowych

Optymalizacja AI dla systemów robotycznych o niskim zużyciu energii

  • Efektywne architektury sieci neuronowych dla robotyki
  • Redukcja zużycia energii w robotach napędzanych przez AI
  • Wdrażanie AI na platformach robotycznych zasilanych bateryjnie

Zastosowania w świecie rzeczywistym i przyszłe trendy

  • Autonomiczne drony i roboty przemysłowe
  • Asystenci robotyczni napędzani przez AI
  • Przyszłe postępy w dziedzinie Edge AI dla robotyki

Podsumowanie i następne kroki

Wymagania

  • Rozumienie modeli sztucznej inteligencji i uczenia maszynowego
  • Doświadczenie w systemach osadzonych lub robotyce
  • Podstawowa wiedza o obliczeniach w czasie rzeczywistym

Grupa docelowa

  • Inżynierowie robotyki
  • Develope AI
  • Specjaliści ds. automatyzacji
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie