Plan Szkolenia
Podstawy TinyML dla robotyki
- Kluczowe możliwości i ograniczenia TinyML
- Rola AI na urządzeniach brzegowych w systemach autonomicznych
- Rozważania dotyczące sprzętu dla mobilnych robotów i dronów
Sprzęt wbudowany i interfejsy czujników
- Mikrokontrolery i płytki wbudowane dla robotyki
- Integracja kamer, IMU i czujników zbliżeniowych
- Budżetowanie energii i mocy obliczeniowej
Inżynieria danych dla percepcji robotycznej
- Zbieranie i etykietowanie danych do zadań robotycznych
- Techniki wstępnego przetwarzania sygnałów i obrazów
- Strategie ekstrakcji cech dla urządzeń o ograniczonych zasobach
Rozwój i optymalizacja modeli
- Wybór architektur do percepcji, wykrywania i klasyfikacji
- Potoki szkoleniowe dla uczenia maszynowego na urządzeniach wbudowanych
- Kompresja modeli, kwantyzacja i optymalizacja opóźnień
Percepcja i sterowanie na urządzeniach
- Wykonywanie wnioskowania na mikrokontrolerach
- Łączenie wyników TinyML z algorytmami sterowania
- Bezpieczeństwo i responsywność w czasie rzeczywistym
Ulepszenia w autonomicznej nawigacji
- Lekka nawigacja oparta na wizji
- Wykrywanie i unikanie przeszkód
- Świadomość środowiskowa przy ograniczonych zasobach
Testowanie i walidacja robotów napędzanych TinyML
- Narzędzia symulacyjne i podejścia do testowania w terenie
- Metryki wydajności dla autonomiczności na urządzeniach wbudowanych
- Debugowanie i iteracyjne ulepszanie
Integracja z platformami robotycznymi
- Wdrażanie TinyML w potokach opartych na ROS
- Interfejsowanie modeli ML z kontrolerami silników
- Utrzymanie niezawodności przy różnych wariantach sprzętowych
Podsumowanie i kolejne kroki
Wymagania
- Zrozumienie architektur systemów robotyki
- Doświadczenie w rozwoju systemów wbudowanych
- Znajomość koncepcji uczenia maszynowego
Grupa docelowa
- Inżynierowie robotyki
- Badacze AI
- Programiści systemów wbudowanych
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