Szkolenia AI for Robotics w Toruń

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.

To szkolenie prowadzone przez instruktora w trybie online lub stacjonarnym jest skierowane do uczestników o poziomie zaawansowanym, którzy chcą poznać rolę robotów współpracujących (cobots) i innych systemów AI zorientowanych na człowieka w nowoczesnych miejscach pracy.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zrozumieć zasady Human-Centric Physical AI i jej zastosowania.
• Badanie roli robotów współpracujących w poprawie wydajności w miejscu pracy.
• Wykrywanie i rozwiązywanie problemów związanych z interakcjami człowiek-maszyna.
• Projektowanie przepływów pracy, które optymalizują współpracę między ludźmi a systemami napędzanymi przez AI.
• Promowanie kultury innowacji i elastyczności w miejscach pracy zintegrowanych z AI.

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.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest przeznaczone dla zaawansowanych inżynierów robotyki i badaczy sztucznej inteligencji, którzy chcą wykorzystać Multimodalną AI do integracji różnych danych sensorycznych w celu stworzenia bardziej autonomicznych i wydajnych robotów, które mogą widzieć, słyszeć i dotykać.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Wdrożyć multimodalne czujniki w systemach robotycznych.
• Rozwoić algorytmy sztucznej inteligencji do fuzji danych z czujników i podejmowania decyzji.
• Stworzyć roboty zdolne do wykonywania skomplikowanych zadań w dynamicznych środowiskach.
• Zadbać o wyzwania związane z przetwarzaniem danych w czasie rzeczywistym i sterowaniem.

ROS 2 (Robot Operating System 2) to otwarte źródło framework zaprojektowany do wspierania tworzenia skomplikowanych i skalowalnych aplikacji robotycznych.

Ta prowadzona przez instruktora, na żywo trening (online lub stacjonarny) jest skierowany do średnio zaawansowanych inżynierów i programistów robotów, którzy chcą zaimplementować autonomiczną nawigację i SLAM (Simultaneous Localization and Mapping) przy użyciu ROS 2.

Na koniec tego treningu uczestnicy będą w stanie:

• Konfigurować ROS 2 do aplikacji autonomicznej nawigacji.
• Implementować algorytmy SLAM dla mapowania i lokalizacji.
• Integrować czujniki takie jak LiDAR i kamery z ROS 2.
• Symulować i testować autonomiczną nawigację w Gazebo.
• Wdrażać stosy nawigacyjne na fizycznych robotach.

Format kursu

• Interaktywna prezentacja i dyskusja.
• Zajecia praktyczne z użyciem narzędzi ROS 2 i środowisk symulacyjnych.
• Implementacja i testowanie na żywo wirtualnych lub fizycznych robotów.

Opcje dostosowywania kursu

• Aby poprosić o dostosowany trening dla tego kursu, prosimy skontaktować się z nami, aby zaplanować.

To szkolenie prowadzone przez instruktora w Toruń (online lub na miejscu) jest skierowane do uczestników na poziomie średnim, którzy chcą rozwinąć swoje umiejętności w projektowaniu, programowaniu i wdrażaniu inteligentnych systemów robotycznych dla automatyzacji i więcej.

Na koniec tego szkolenia uczestnicy będą w stanie:

• Zrozumieć zasady Physical AI i jego zastosowania w robotyce i automatyzacji.
• Projektować i programować inteligentne systemy robotyczne dla dynamicznych środowisk.
• Wdrażać modele AI dla autonomicznego podejmowania decyzji w robotach.
• Wykorzystywać narzędzia symulacyjne do testowania i optymalizacji robotów.
• Rozwiązywać problemy związane z fuzją sensorów, przetwarzaniem w czasie rzeczywistym i efektywnością energetyczną.

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 Toruń (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 Toruń (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.

Trening prowadzony przez instruktora w Toruń (online lub stacjonarnie) jest skierowany do inżynierów, którzy chcą poznać zastosowanie sztucznej inteligencji w systemach mechatronicznych.

Na koniec tego treningu uczestnicy będą w stanie:

• Zdobyć podstawową wiedzę na temat sztucznej inteligencji, uczenia maszynowego i obliczeń inteligentnych.
• Zrozumieć koncepcje sieci neuronowych i różnych metod nauki.
• Efektywnie wybierać podejścia sztucznej inteligencji do rozwiązywania problemów z życia codziennego.
• Implementować aplikacje AI w inżynierii mechatronicznej.