Онлайн обучение по AI for Robotics в България

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.

Този курс с инструктор и живо обучение в България (онлайн или на място) е предназначен за участници на средно ниво, които искат да разгледат ролята на сътруднически роботи (cobots) и други човекоцентрични AI системи в съвременните работни места.

След завършване на този курс участниците ще могат да:

• Разберат принципите на Човекоцентричната Физическа AI и нейните приложения.
• Разгледат ролята на сътрудническите роботи в подобряването на продуктивността на работото място.
• Идентифицират и разрешават предизвикателствата в човек-машинните взаимодействия.
• Проектират процедури, които оптимизират сътрудничеството между хората и системите, управлявани от AI.
• Поощряват култура на иновации и адаптивност в работни места с интегрирана AI.

Ученето с подкрепа (RL) е парадигма на машинното обучение, при която агентите учат да взимат решения, взаимодействайки с околната среда. В роботиката RL позволява на автономните системи да развиват адаптивни контролни и решаващи способности чрез опит и обратна връзка.

Това обучение под ръководството на инструктор (онлайн или на място) е предназначено за продвинати машинни инженери, изследователи по роботиката и разработчици, които искат да проектират, имплементират и разпространяват алгоритми за учене с подкрепа в роботни приложения.

По края на това обучение участниците ще могат да:

• Разберат принципите и математиката на ученето с подкрепа.
• Имплементират RL алгоритми, като Q-учене, DDPG и PPO.
• Интегрират RL с роботни симулиращи среди, използвайки OpenAI Gym и ROS 2.
• Обучават роботи да извършват сложни задачи автономно чрез опит и грешки.
• Оптимизират обучението с помощта на глъбоки машинни обучения, като PyTorch.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическа имплементация, използвайки Python, PyTorch и OpenAI Gym.
• Практични упражнения в симулиращи или физически роботни среди.

Опции за персонализация на курса

• За да поискате персонализирано обучение за този курс, моля, свържете се с нас.

OpenCV е отворен източник на библиотека за компютърно зрение, която осигурява реално време за обработка на снимки, докато глъбоко обучаващите рамки като TensorFlow предлагат инструменти за интелектуална перцепция и вземане на решения в роботни системи.

Този курс, воден от преподавател (онлайн или на място), е насочен към инженери с по-висок ниво на роботика, практици в областа на компютърното зрение и инженери по машинно обучение, които желаят да прилагат техники от компютърното зрение и глъбоко обучение за перцепция и автономия на роботите.

По завършване на този курс, участниците ще могат да:

• Реализират пайлири за компютърно зрение с OpenCV.
• Интегрират модели за глъбоко обучение за детекция и разпознаване на обекти.
• Използват визуални данни за контролиране и навигация на роботите.
• Комбинират класически алгоритми за зрение с глъбоки невронни мрежи.
• Разпространяват системи за компютърно зрение в вградени и роботни платформи.

Формат на курса

• Интерактивен лекции и дискусия.
• Ръчно упражнение с OpenCV и TensorFlow.
• Едно live-лаб имплементация на симулирани или физически роботни системи.

Опции за персонализация на курса

• За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да го организирате.

Това обучение с инструктор, провеждано живо (онлайн или на място), е предназначено за специалисти с напреднали знания по робототехника и изследователи в областта на изкуственото интелигентно, които искат да използват Multimodal AI за интегриране на различни сензорни данни, за да създадат по-автономни и ефективни роботи, които могат да видят, чуват и допират.

След края на това обучение участниците ще могат да:

• Имплементират мултимодално чувство в роботни системи.
• Разработват AI алгоритми за фузия на сензори и вземане на решения.
• Създават роботи, които могат да изпълняват сложни задачи в динамични среди.
• Способстват за преодоляването на предизвикателствата в обработката на данни в реално време и актуация.

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.

Този обучение с инструктор и на живо (онлайн или на място) е насочено към участници на средно ниво, които искат да подобрят уменията си в проектирането, програмирането и развертането на интелигентни роботични системи за автоматизация и не само.

До края на това обучение участниците ще могат да:

• Разберет принципите на Физически AI и приложението му в роботика и автоматизация.
• Проектиране и програмиране на интелигентни роботични системи за динамични среди.
• Въвеждане на модели на AI за автономно вземане на решения в роботите.
• Използване на инструменти за симулация за тестване и оптимизация на роботите.
• Решаване на предизвикателства като сензорна фузия, обработка в реално време и ефективност на енергията.

Роботиката е област в изкуствения интелигент (AI), която се занимава с програмирането и проектирането на интелигентни и ефективни машини.

Този инструкторски, живо обучение (онлайн или на място) е предназначено за инженери, които желаят да програмират и създават роботи чрез основни методи на AI.

До края на това обучение участниците ще бъдат способни да:

• Реализират филтри (Kalman и частични) за да позволяват на робота да локализира движещи се обекти в неговата среда.
• Реализират алгоритми за търсене и планиране на движение.
• Реализират PID контроли за регулиране на движението на робот в среда.
• Реализират алгоритми SLAM за да позволяват на робот да картографира неизвестна среда.

Формат на курса

• Интерактивни лекции и дискусии.
• Много упражнения и практика.
• Ръчен ефект в жив лабораторен модел.

Опции за персонализиране на курса

• За да поискате персонализирано обучение за този курс, моля свържете се с нас за уреждане.

В този курс, воден от инструктор, в България (онлайн или на място), участниците ще научат различните технологии, рамки и техники за програмиране на различни типове роботи, които ще се използват в областта на ядрената технология и екологичните системи.

Курсът продължава 6 седмици и се провежда 5 дни в седмицата. Всеки ден е 4 часа дълъг и включва лекции, дискусии и практическо разработване на роботи в реално лабораторно обкръжение. Участниците ще изпълнят различни проекти от реалния свят, приложими за работата им, за да упражняват придобитите знания.

Целта е хардуера за този курс да бъде симулиран в 3D чрез софтуер за симулации. ROS (Robot Operating System) open-source рамката, C++ и Python ще бъдат използвани за програмиране на роботите.

До края на този курс участниците ще могат да:

• Разберат ключовите концепции, използвани в роботните технологии.
• Разберат и управляват взаимодействието между софтуера и хардуера в роботна система.
• Разберат и имплементират софтуерните компоненти, които са основа на роботиката.
• Създават и управляват симулиран механичен робот, който може да вижда, чувства, обработва, навигацира и взаимодейства с хора чрез глас.
• Разберат необходимите елементи на изкуствен интелигент (машинно обучение, дълбоко обучение и др.), приложими за създаване на интелигентен робот.
• Имплементират филтри (Kalman и Particle) за да позволяват на робота да намери движещи се предмети в средата му.
• Имплементират алгоритми за търсене и планиране на движение.
• Имплементират PID регулатори за регулиране на движението на робота в средата.
• Имплементират SLAM алгоритми, за да позволяват на робота да картира непознат среда.
• Разширяват възможностите на робота да изпълнява сложни задачи чрез Deep Learning.
• Тестват и отстраняват грешки в робота в реалистични сценарии.

В този курс с инструктор, провеждан на живо (България онлайн или на място), участниците ще научат различните технологии, фреймворки и техники за програмиране на различни типове роботи, които се използват в областта на ядрената технология и екологичните системи.

Курсът продължава 4 седмици и се провежда 5 дни в седмицата. Всеки ден е с продължителност 4 часа и включва лекции, дискусии и практическо разработване на роботи в живо лабораторно окружение. Участниците ще изпълнят различни реални проекти, приложими към тяхната работа, за да практикуват придобитите знания.

Целта на курса е да се симулира в 3D чрез софтуер за симулации. Кода ще бъде зареден на физическо оборудване (Arduino или друго) за финално тестване на развертяването. За програмиране на роботите ще се използват открит кодов фреймворк ROS (Robot Operating System), C++ и Python.

До края на обучението участниците ще могат да:

• Разберат ключовите концепции, използвани в роботната технология.
• Разберат и управляват взаимодействието между софтуер и хардуер в роботна система.
• Разберат и имплементират софтуерните компоненти, които подкрепят роботика.
• Създадат и експлоатират симулиран механичен робот, който може да вижда, чувства, обработва, навигация и взаимодейства с хора чрез глас.
• Разберат необходимите елементи на изкуствен интелигент (машинно обучение, дълбоко обучение и т.н.), приложими за създаване на умен робот.
• Имплементират филтри (Kalman и Particle), за да позволи на робота да намери движещи се обекти в неговата среда.
• Имплементират алгоритми за търсене и планиране на движение.
• Имплементират PID контроли, за да регулират движението на робота в средата.
• Имплементират SLAM алгоритми, за да позволи на робота да картира непозната среда.
• Тестват и отстраняват грешки при робота в реалистични сценарии.

Това обучение под ръководството на инструктор в България (онлайн или на местността) е насочено към инженери, които искат да научат за приложимостта на изкуствения интелект към мехатронните системи.

Към края на обучението участниците ще могат да:

• Придобият обобщена информация за изкуствения интелект, машинното учене и компютационната интелигенция.
• Разберат концепциите на невронните мрежи и различните методи за обучение.
• Избират подходящи методи на изкуствения интелект ефективно за реални проблеми.
• Прилагат приложения на изкуствения интелект в мехатронната инженерия.