Smart Robots for Developers - Plan Szkolenia

Sekcja 01

Dzień 01 Wprowadzenie

Co sprawia, że inteligentny robot jest inteligentny?

Fizyczne a wirtualne Smart Robots

Smart Robots, inteligentne maszyny, czujące maszyny i zrobotyzowana automatyzacja procesów (RPA) itp.

Rola sztucznej inteligencji (AI) w Smart Robots

Poza „jeśli-to-else” i ucząca się maszyna Algorytmy stojące za sztuczną inteligencją AI w Smart Robots: uczenie maszynowe, wizja komputerowa, przetwarzanie języka naturalnego (NLP) itp. Robotyka kognitywna

Rola Big Data w Smart Robots

Podejmowanie decyzji w oparciu o dane i wzorce

Chmura i Smart Robots

Łączenie robotyki z IT Tworzenie bardziej funkcjonalnych robotów, które mają dostęp do większej ilości informacji i współpracują

Studium przypadku: Mechaniczne Smart Robots

Przemysłowe Smart Robots Baxter

Roboty usług osobistych Roboty domowe pomagające starszym, inteligentnym samochodom autonomicznym

Profesjonalne roboty serwisowe Roboty rolnicze w gospodarstwach mleczarskich

Elementy sprzętowe inteligentnego robota

Silniki, czujniki, mikrokontrolery, kamery itp.

Wspólne elementy Smart Robots

Widzenie maszynowe, rozpoznawanie głosu, synteza mowy, wykrywanie bliskości, wykrywanie nacisku itp.

Ramy rozwojowe dla Programming inteligentnego robota

Platformy open source i komercyjne System operacyjny robota (ROS) Architektura: obszar roboczy, tematy, komunikaty, usługi, węzły, biblioteki akcji, narzędzia itp.

Języki dla Programming inteligentnego robota

C++ do niskopoziomowego sterowania w Pythonie do orkiestracji. Programowanie ROS węzłów w Pythonie i C++. Inne języki

Narzędzia do symulacji fizycznego inteligentnego robota

Komercyjne i otwarte oprogramowanie do symulacji i wizualizacji 3D

Przygotowanie środowiska programistycznego

Instalacja i konfiguracja oprogramowania Przydatne pakiety i narzędzia

Dzień 02 Programming Inteligentny Robot

Programowanie węzła w Pythonie i C++ Rozumienie ROS węzła Wiadomości i tematy w ROS Paradygmat publikacji / subskrypcji Projekt: Bump & Go z prawdziwym robotem Rozwiązywanie problemów Symulacja robotów z Gazebo / ROS Ramki w ROS i odniesienia zmienia przetwarzanie informacji 2D kamer z OpenCV Przetwarzanie informacji lasera Projekt: Bezpieczne śledzenie obiektów według koloru Rozwiązywanie problemów

Dzień 03 Programming Inteligentny robot (ciąg dalszy...)

Usługi w zakresie przetwarzania informacji ROS 3D czujników RGB-D z mapami PCL i nawigacją z projektem ROS: Search dla obiektów w środowisku Rozwiązywanie problemów

 

Sekcja 02

Dzień 04 Programming Inteligentny robot (ciąg dalszy...)

ActionLib Speech Recognition i generowanie mowy Sterowanie ramionami robotów za pomocą MoveIt! Sterowanie szyją robota w celu aktywnego widzenia Projekt: Wyszukiwanie i zbieranie obiektów Rozwiązywanie problemów

Testowanie inteligentnego robota

Testów jednostkowych

Dzień 05 Rozszerzanie możliwości inteligentnego robota o Deep Learning

Percepcja – wizja, dźwięk i dotyk Reprezentacja wiedzy Rozpoznawanie głosu poprzez NLP (przetwarzanie języka naturalnego) Computer wizja

Przyspieszony kurs w Deep Learning

Sztuczne Neural Networks (ANN) Sztuczne Neural Networks vs. biologiczne Neural Networks Sprzężenie wyprzedzające Neural Networks Funkcje aktywacji Trening Sztuczne Neural Networks

Dzień 06 Szybki kurs w Deep Learning (Ciąg dalszy...)

Deep Learning Modele sieci splotowych i sieci rekurencyjnych

Warstwa splotowa Neural Networks (CNN lub ConvNets).

Warstwa łączenia

Architektura splotowa Neural Networks.

Sekcja 03

Dzień 07. Szybki kurs w Deep Learning (Ciąg dalszy...)

Trening okresowy Neural Networks (RNN) RNN Stabilizacja gradientów podczas treningu Sieci pamięci krótkotrwałej

Platformy głębokiego uczenia się i biblioteki oprogramowania Głębokie uczenie się w ROS

Dzień 08 Używanie Big Data w Twoim inteligentnym robocie

Koncepcje Big Data Podejścia do analizy danych Narzędzia Big Data Rozpoznawanie wzorców w danych Ćwiczenie: NLP i Computer Vision na dużych zbiorach danych

Dzień 09 Korzystanie z Big Data w Twoim inteligentnym robocie (ciąg dalszy...)

Rozproszone przetwarzanie dużych zbiorów danych Współistnienie i wzajemne uzupełnianie się Big Data i Robotics Inteligentny robot jako generator danych Czujniki pomiaru odległości, położenia, czujniki wizualne, dotykowe i inne modalności

Nadawanie sensu danym zmysłowym (pętla sens-plan-działanie)

Ćwiczenie: Przechwytywanie danych przesyłanych strumieniowo

 

Sekcja 04

Dzień 10 Programming Autonomiczny inteligentny robot głębokiego uczenia się

Deep Learning komponenty robota Konfigurowanie symulatora robota Uruchamianie sieci neuronowej akcelerowanej przez CUDA za pomocą narzędzia Cafe Troubleshooting

Dzień 11 Programming Autonomiczny inteligentny robot głębokiego uczenia się (ciąg dalszy...)

Rozpoznawanie obiektów na zdjęciach lub w strumieniach wideo. Umożliwienie widzenia komputerowego za pomocą OpenCV Rozwiązywanie problemów

Dzień 12 Analiza danych

Wykorzystanie inteligentnego robota do gromadzenia i organizowania nowych danych

Wspólne budowanie inteligentnego robota

Wdrażanie inteligentnego robota na sprzęcie fizycznym

Monitorowanie i serwisowanie Smart Robots w terenie

Zabezpieczanie robota

Zapobieganie nieupoważnionym manipulacjom Zapobieganie przeglądaniu i kradzieży wrażliwych danych biznesowych przez hakerów (karta kredytowa, dane pracowników itp.)

Dołączenie do Robotics Wspólnoty

Perspektywy na przyszłość dla Smart Robots

Uwagi końcowe