Plan Szkolenia
Wprowadzenie do manipulacji robotów i uczenia głębokiego
- Przegląd zadań manipulacyjnych i komponentów systemu
- Tradycyjne vs. oparte na uczeniu podejścia
- Uczenie głębokie w percepcji, planowaniu i sterowaniu
Percepcja w manipulacji
- Wizja komputerowa i wykrywanie obiektów do chwytania
- Wizja 3D, czujniki głębi i przetwarzanie chmur punktów
- Trening sieci CNN do lokalizacji i segmentacji obiektów
Planowanie i wykrywanie chwytów
- Klasyczne algorytmy planowania chwytów
- Uczenie pozycji chwytów z danych i symulacji
- Implementacja sieci wykrywania chwytów (np. GGCNN, Dex-Net)
Sterowanie i planowanie ruchu
- Kinematyka odwrotna i generowanie trajektorii
- Planowanie ruchu oparte na uczeniu i uczenie przez naśladowanie
- Uczenie przez wzmacnianie dla polityk sterowania manipulacją
Integracja z ROS 2 i środowiskami symulacyjnymi
- Konfiguracja węzłów ROS 2 do percepcji i sterowania
- Symulacja manipulatorów robotycznych w Gazebo i Isaac Sim
- Integracja modeli neuronowych do sterowania w czasie rzeczywistym
Kompleksowe uczenie dla manipulacji
- Łączenie percepcji, polityk i sterowania w jednych sieciach
- Wykorzystanie danych demonstracyjnych do nadzorowanego uczenia polityk
- Adaptacja domeny między symulacją a rzeczywistym sprzętem
Ocena i optymalizacja
- Metryki sukcesu chwytu, stabilności i precyzji
- Testowanie w różnych warunkach i zakłóceniach
- Kompresja modeli i wdrażanie na urządzeniach brzegowych
Praktyczny projekt: Robotyczne chwytanie oparte na uczeniu głębokim
- Projektowanie potoku od percepcji do działania
- Trening i testowanie modelu wykrywania chwytów
- Integracja modelu z symulowanym ramieniem robotycznym
Podsumowanie i kolejne kroki
Wymagania
- Zaawansowana znajomość kinematyki i dynamiki robotów
- Doświadczenie w programowaniu w Pythonie i korzystaniu z frameworków do uczenia głębokiego
- Znajomość ROS lub podobnych middleware dla robotów
Grupa docelowa
- Inżynierowie robotyki rozwijający inteligentne systemy manipulacyjne
- Specjaliści od percepcji i sterowania pracujący nad aplikacjami chwytającymi
- Badacze i zaawansowani praktycy w dziedzinie uczenia robotów i sterowania opartego na AI
Opinie uczestników (3)
Dostarczenie materiałów (maszyna wirtualna) umożliwiających natychmiastowe rozpoczęcie ćwiczeń oraz wyjaśnienie podstaw Ros2. Dlaczego rzeczy działają w określony sposób.
Arjan Bakema
Szkolenie - Autonomous Navigation & SLAM with ROS 2
Przetłumaczone przez sztuczną inteligencję
Dobrze omówione przez trenera przykłady ćwiczeń
Mariusz - Politechnika Opolska
Szkolenie - Artificial Intelligence (AI) for Mechatronics
znajomość i wykorzystanie sztucznej inteligencji dla robotyki w przyszłości.
Ryle - PHILIPPINE MILITARY ACADEMY
Szkolenie - Artificial Intelligence (AI) for Robotics
Przetłumaczone przez sztuczną inteligencję