Szkolenia AI for Robotics w Polsce

Edge AI enables artificial intelligence models to run directly on embedded or resource-constrained devices, reducing latency and power consumption while increasing autonomy and privacy in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level embedded developers and robotics engineers who wish to implement machine learning inference and optimization techniques directly on robotic hardware using TinyML and edge AI frameworks.

By the end of this training, participants will be able to:

• Understand the fundamentals of TinyML and edge AI for robotics.
• Convert and deploy AI models for on-device inference.
• Optimize models for speed, size, and energy efficiency.
• Integrate edge AI systems into robotic control architectures.
• Evaluate performance and accuracy in real-world scenarios.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using TinyML and edge AI toolchains.
• Practical exercises on embedded and robotic hardware platforms.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Reinforcement learning (RL) is a machine learning paradigm where agents learn to make decisions by interacting with an environment. In robotics, RL enables autonomous systems to develop adaptive control and decision-making capabilities through experience and feedback.

This instructor-led, live training (online or onsite) is aimed at advanced-level machine learning engineers, robotics researchers, and developers who wish to design, implement, and deploy reinforcement learning algorithms in robotic applications.

By the end of this training, participants will be able to:

• Understand the principles and mathematics of reinforcement learning.
• Implement RL algorithms such as Q-learning, DDPG, and PPO.
• Integrate RL with robotic simulation environments using OpenAI Gym and ROS 2.
• Train robots to perform complex tasks autonomously through trial and error.
• Optimize training performance using deep learning frameworks like PyTorch.

Format of the Course

• Interactive lecture and discussion.
• Hands-on implementation using Python, PyTorch, and OpenAI Gym.
• Practical exercises in simulated or physical robotic environments.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

OpenCV is an open-source computer vision library that enables real-time image processing, while deep learning frameworks such as TensorFlow provide the tools for intelligent perception and decision-making in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level robotics engineers, computer vision practitioners, and machine learning engineers who wish to apply computer vision and deep learning techniques for robotic perception and autonomy.

By the end of this training, participants will be able to:

• Implement computer vision pipelines using OpenCV.
• Integrate deep learning models for object detection and recognition.
• Use vision-based data for robotic control and navigation.
• Combine classical vision algorithms with deep neural networks.
• Deploy computer vision systems on embedded and robotic platforms.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using OpenCV and TensorFlow.
• Live-lab implementation on simulated or physical robotic systems.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

ROS 2 (Robot Operating System 2) is an open-source framework designed to support the development of complex and scalable robotic applications.

This instructor-led, live training (online or onsite) is aimed at intermediate-level robotics engineers and developers who wish to implement autonomous navigation and SLAM (Simultaneous Localization and Mapping) using ROS 2.

By the end of this training, participants will be able to:

• Set up and configure ROS 2 for autonomous navigation applications.
• Implement SLAM algorithms for mapping and localization.
• Integrate sensors such as LiDAR and cameras with ROS 2.
• Simulate and test autonomous navigation in Gazebo.
• Deploy navigation stacks on physical robots.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using ROS 2 tools and simulation environments.
• Live-lab implementation and testing on virtual or physical robots.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Robotyka jest dziedziną sztucznej inteligencji (AI), która zajmuje się programowaniem i projektowaniem inteligentnych i wydajnych maszyn.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do inżynierów, którzy chcą programować i tworzyć roboty za pomocą podstawowych metod AI.

Na zakończenie tego szkolenia uczestnicy będą w stanie:

• Wdrożyć filtry (Kalmana i cząsteczkowe) pozwalające robotowi lokalizować ruchome obiekty w jego otoczeniu.
• Wdrożyć algorytmy wyszukiwania i planowania ruchu.
• Wdrożyć sterowanie PID do regulacji ruchu robota w środowisku.
• Wdrożyć algorytmy SLAM, aby robot mógł mapować nieznane środowisko.

Format kursu

• Interaktywne wykłady i dyskusje.
• Wielu ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku laboraorium.

Opcje dostosowania kursu

• Aby poprosić o dostosowany kurs, skontaktuj się z nami, aby umówić.

W tym szkoleniu prowadzonym przez instruktora, w trybie Polsce (online lub stacjonarnym), uczestnicy poznają różne technologie, ramy i techniki programowania różnych typów robotów używanych w dziedzinie technologii nuklearnych i systemów środowiskowych.

6-tygodniowy kurs odbywa się 5 dni w tygodniu. Każdy dzień trwa 4 godziny i składa się z wykładów, dyskusji oraz praktycznego rozwoju robotów w żywym środowisku laboratoryjnym. Uczestnicy będą realizować różne projekty związane z rzeczywistymi scenariuszami pracy, aby utrwalić nabytą wiedzę.

Oprogramowanie symulujące sprzęt docelowy tego kursu będzie działało w 3D. Do programowania robotów będą używane otwarte oprogramowanie ROS (Robot Operating System), C++ i Python.

Na zakończenie tego szkolenia uczestnicy będą mogli:

• Zrozumieć kluczowe koncepcje stosowane w technologiach robotycznych.
• Zrozumieć i zarządzać interakcją między oprogramowaniem a sprzętem w systemie robotycznym.
• Zrozumieć i wdrożyć komponenty oprogramowania, które stanowią podstawę robotyki.
• Zbudować i obsługiwać symulowany robot mechaniczny, który może widzieć, czuć, przetwarzać, nawigować i komunikować się z ludźmi za pomocą głosu.
• Zrozumieć niezbędne elementy sztucznej inteligencji (uczenie maszynowe, uczenie głębokie itp.) stosowane do budowy inteligentnego robota.
• Wdrożyć filtry (Kalmana i Partikularne) umożliwiając robocie lokalizację ruchomych obiektów w jego otoczeniu.
• Wdrożyć algorytmy wyszukiwania i planowania ruchu.
• Wdrożyć sterowanie PID do regulacji ruchu robota w środowisku.
• Wdrożyć algorytmy SLAM umożliwiając robocie mapowanie nieznanego środowiska.
• Rozszerzyć zdolność robota do wykonywania złożonych zadań za pomocą Deep Learning.
• Testować i diagnozować robot w realistycznych scenariuszach.

W tym prowadzonym przez instruktora, żywym szkoleniu Polsce (online lub na miejscu), uczestnicy nauczą się różnych technologii, ram i technik programowania różnych typów robotów stosowanych w dziedzinie technologii nuklearnych oraz systemów środowiskowych.

4-tygodniowy kurs odbywa się 5 dni w tygodniu. Każdy dzień trwa 4 godziny i składa się z wykładów, dyskusji oraz praktycznego rozwoju robotów w żywym środowisku laboratorium. Uczestnicy wykonają różne projekty z życia rzeczywistego, stosowne do ich pracy, aby praktykować nabyte wiedzę.

Oprogramowanie symulujące celowe urządzenia do tego kursu będzie w 3D. Następnie kod zostanie załadowany na fizyczne urządzenia (Arduino lub inne) do testów końcowego wdrażania. Otwarta ramka ROS (Robot Operating System), C++ i Python zostaną użyte do programowania robotów.

Na zakończenie tego szkolenia uczestnicy będą mogli:

• Zrozumieć kluczowe koncepcje używane w technologiach robotycznych.
• Zrozumieć i zarządzać interakcją między oprogramowaniem a sprzętem w systemie robotycznym.
• Zrozumieć i wdrażać oprogramowanie stanowiące podstawę robotyki.
• Budować i operować symulowanym mechanicznie robotem, który może widzieć, odczuwać, przetwarzać, nawigować oraz interagować z ludźmi za pomocą głosu.
• Zrozumieć niezbędne elementy sztucznej inteligencji (machine learning, deep learning itd.) stosowane do budowy inteligentnego robota.
• Wdrażać filtry (Kalmana i cząstkowe) w celu umożliwienia robotowi lokalizowania ruchomych obiektów w jego otoczeniu.
• Wdrażać algorytmy wyszukiwania oraz planowania ruchu.
• Wdrażać sterowanie PID do regulacji ruchu robota w środowisku.
• Wdrażać algorytmy SLAM w celu umożliwienia robotowi mapowania nieznanego środowiska.
• Testować i diagnostykować robot w realistycznych scenariuszach.