Plan Szkolenia
Sekcja 01
Dzień 01
Wprowadzenie
- Co sprawia, że Inteligentny Robot jest inteligentny?
Fizyczne vs Wirtualne Inteligentne Roboty
- Inteligentne Roboty, Inteligentne Maszyny, Maszyny Sentient i Automatyzacja Procesów Robotycznych (RPA) itp.
Rola Sztucznej Inteligencji (AI) w Inteligentnych Robotach
- Poza "if-then-else" i maszyna ucząca się
- Algorytmy stojące za AI
- AI w Inteligentnych Robotach: uczenie maszynowe, przetwarzanie obrazu, przetwarzanie języka naturalnego (NLP) itp.
- Robotyka kognitywna
Rola Big Data w Inteligentnych Robotach
- Podejmowanie decyzji na podstawie danych i wzorców
Chmura i Inteligentne Roboty
- Łączenie robotyki z IT
- Budowanie bardziej funkcjonalnych robotów, które mają dostęp do większej ilości informacji i współpracują
Studium przypadku: Mechaniczne Inteligentne Roboty
- Przemysłowe Inteligentne Roboty
- Baxter
- Osobiste Roboty Serwisowe
- Domowe roboty wspomagające osoby starsze, inteligentne samochody autonomiczne
- Profesjonalne Roboty Serwisowe
- Robotyk rolniczy w operacjach mleczarskich
Składniki sprzętowe Inteligentnego Robota
- Silniki, czujniki, mikrokontrolery, kamery itp.
Wspólne elementy Inteligentnych Robotów
- Widzenie maszynowe, rozpoznawanie głosu, synteza mowy, czujniki zbliżeniowe, czujniki ciśnienia itp.
Frameworki do programowania Inteligentnego Robota
- Open source i komercyjne frameworki
- Robot Operating System (ROS)
- Architektura: workspace, tematy, wiadomości, usługi, węzły, actionlibs, narzędzia itp.
Języki do programowania Inteligentnego Robota
- C++ do niskopoziomowego sterowania
- Python do orkiestracji
- Programowanie węzłów ROS w Pythonie i C++
- Inne języki
Narzędzia do symulacji fizycznego Inteligentnego Robota
- Komercyjne i open source oprogramowanie do symulacji i wizualizacji 3D
Przygotowanie środowiska programistycznego
- Instalacja i konfiguracja oprogramowania
- Przydatne pakiety i narzędzia
Dzień 02
Programowanie Inteligentnego Robota
- Programowanie węzła w Pythonie i C++
- Zrozumienie węzła ROS
- 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 zmiany referencyjne
- Przetwarzanie informacji 2D z kamer za pomocą OpenCV
- Przetwarzanie informacji z lasera
- Projekt: Bezpieczne śledzenie obiektów po kolorze
- Rozwiązywanie problemów
Dzień 03
Programowanie Inteligentnego Robota (Ciąg dalszy...)
- Usługi w ROS
- Przetwarzanie informacji 3D z czujników RGB-D za pomocą PCL
- Mapy i nawigacja z ROS
- Projekt: Wyszukiwanie obiektów w środowisku
- Rozwiązywanie problemów
Sekcja 02
Dzień 04
Programowanie Inteligentnego Robota (Ciąg dalszy...)
- ActionLib
- Rozpoznawanie i generowanie mowy
- Sterowanie ramionami robotycznymi za pomocą MoveIt!
- Sterowanie szyją robotyczną do aktywnego widzenia
- Projekt: Wyszukiwanie i zbieranie obiektów
- Rozwiązywanie problemów
Testowanie Twojego Inteligentnego Robota
- Testy jednostkowe
Dzień 05
Rozszerzanie możliwości Inteligentnego Robota za pomocą Deep Learning
- Percepcja -- widzenie, dźwięk i haptyka
- Reprezentacja wiedzy
- Rozpoznawanie głosu przez NLP (przetwarzanie języka naturalnego)
- Widzenie komputerowe
Kurs przyspieszony Deep Learning
- Sztuczne Sieci Neuronowe (ANNs)
- Sztuczne Sieci Neuronowe vs. Biologiczne Sieci Neuronowe
- Sieci Neuronowe Feedforward
- Funkcje Aktywacyjne
- Trenowanie Sztucznych Sieci Neuronowych
Dzień 06
Kurs przyspieszony Deep Learning (Ciąg dalszy...)
- Modele Deep Learning
- Sieci konwolucyjne i rekurencyjne
- Konwolucyjne Sieci Neuronowe (CNNs lub ConvNets)
- Warstwa konwolucyjna
- Warstwa Pooling
- Architektura Konwolucyjnych Sieci Neuronowych
Sekcja 03
Dzień 07
Kurs przyspieszony Deep Learning (Ciąg dalszy...)
- Rekurencyjne Sieci Neuronowe (RNN)
- Trenowanie RNN
- Stabilizacja gradientów podczas treningu
- Sieci długiej pamięci krótkoterminowej
- Platformy Deep Learning i biblioteki oprogramowania
- Deep Learning w ROS
Dzień 08
Wykorzystanie Big Data w Twoim Inteligentnym Robocie
- Koncepcje Big Data
- Podejścia do analizy danych
- Narzędzia Big Data
- Rozpoznawanie wzorców w danych
- Ćwiczenie: NLP i Widzenie Komputerowe na dużych zbiorach danych
Dzień 09
Wykorzystanie Big Data w Twoim Inteligentnym Robocie (Ciąg dalszy...)
- Przetwarzanie rozproszone dużych zbiorów danych
- Współistnienie i wzajemne oddziaływanie Big Data i Robotyki
- Inteligentny Robot jako generator danych
- Czujniki pomiaru odległości, pozycji, wizualne, dotykowe i inne modalności
- Nadawanie sensu danym sensorycznym (pętla sense-plan-act)
- Ćwiczenie: Przechwytywanie strumieni danych
Sekcja 04
Dzień 10
Programowanie Autonomicznego Inteligentnego Robota z Deep Learning
- Składniki robota Deep Learning
- Konfiguracja symulatora robota
- Uruchamianie sieci neuronowej z akceleracją CUDA z Cafe
- Rozwiązywanie problemów
Dzień 11
Programowanie Autonomicznego Inteligentnego Robota z Deep Learning (Ciąg dalszy...)
- Rozpoznawanie obiektów na zdjęciach lub strumieniach wideo
- Włączanie widzenia komputerowego z OpenCV
- Rozwiązywanie problemów
Dzień 12
Analiza Danych
- Wykorzystanie Inteligentnego Robota do zbierania i organizowania nowych danych
Budowanie Inteligentnego Robota w sposób współpracy
Wdrażanie Twojego Inteligentnego Robota na fizycznym sprzęcie
Monitorowanie i serwisowanie Inteligentnych Robotów w terenie
Zabezpieczanie Twojego Robota
- Zapobieganie nieautoryzowanym modyfikacjom
- Zapobieganie hakerom na przeglądanie i kradzież wrażliwych danych biznesowych (karty kredytowe, informacje o pracownikach itp.)
Dołączanie do społeczności robotycznej
Perspektywy na przyszłość dla Inteligentnych Robotów
Zakończenie
Wymagania
- Doświadczenie w programowaniu w C++
- Doświadczenie w programowaniu w Pythonie
- Doświadczenie z linią poleceń Linux
Opinie uczestników (4)
szerokie podejście do tematu, wiedza praktyczna
Jakub Wieczorek - Politechnika Slaska
Szkolenie - Introduction to AI in Smart Factories and Industrial Automation
Wszystko w ogólności
Daniele Donzelli - ITT ITALIA S.r.l.
Szkolenie - CANoe for CAN Compact Training
Przetłumaczone przez sztuczną inteligencję
Skupial sie na naszych programach, ktore byly skomplikowane, potrafil wyjasnic trudne zagadnienia
Norbert - Phillips-Medisize Poland
Szkolenie - Introduction to OMRON PLC programming
za każdym razem, gdy nie byłem pewien jakiegoś ćwiczenia, trener wyjaśniał mi na różne sposoby, aż zrozumiałem.
Oncel Seleamet - IRROM Industrie
Szkolenie - PLC Ladder Programming
Przetłumaczone przez sztuczną inteligencję