Курс за обучение по Автономно навигиране и SLAM с ROS 2

Изкуственият интелект (AI) за роботика комбинира машинно учене, системи за управление и съчетаване на сензори, за да създаде интелигентни машини, способни да възприемат, разсъждават и действат автономно. Чрез съвременни инструменти като ROS 2, TensorFlow и OpenCV, инженерите могат да проектират роботи, които навигират, планират и взаимодействат с реалните околнини разумно.

Това обучение под ръководството на преподавател (онлайн или на място) е предназначено за инженери среден нив, които искат да разработват, учат и разполагат с AI-дривени роботни системи, използвайки текущите отворени технологии и рамки.

По края на обучението участниците ще могат да:

• Използвайте Python и ROS 2, за да проектирате и симулирате роботни поведения.
• Реализирайте филтри Kalman и Particle Filters за локализация и проследяване.
• Приложете техники на компютърното зрение с OpenCV за възприемане и детекция на обекти.
• Използвайте TensorFlow за прогнозиране на движението и обучаващи контроли.
• Интегрирайте SLAM (Simultaneous Localization and Mapping) за автономна навигация.
• Разработете модели с подкрепа от усиливане на ученето, за да подобрите роботната принятие на решения.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическа имплементация с ROS 2 и Python.
• Практични упражнения в симулирани и реални роботни околнини.

Опции за персонализация на курса

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

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.

Услугата за ботове в Azure съединява мощта на Microsoft Bot Framework и Azure функции, за да позволява бързо разработване на интелигентни ботове.

В този курс с инструктор, участниците ще научат как да създават лесно интелигентен бот с Microsoft Azure.

Към края на обучението участниците ще могат да:

• Научават основните принципи на интелигентни ботове
• Научават как да създават интелигентни ботове с помощта на облачни приложения
• Разбираят как да използват Microsoft Bot Framework, Bot Builder SDK и Azure Bot Service
• Разбираят как да проектират ботове с помощта на шаблони за ботове
• Разработват първия си интелигентен бот с Microsoft Azure

Целева аудитория

• Разработчици
• Хобисти
• Инженери
• ИТ специалисти

Формат на курса

• Частично лекции, частично дискусии, упражнения и много практика на място

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.

Ботът или chatbot е като компютърен асистент, който се използва за автоматизиране на потребителските взаимодействия на различни платформи за съобщения и извършване на нещата по-бързо, без да е необходимо потребителите да говорят с друг човек.

В това водено от инструктор обучение на живо участниците ще научат как да започнат да разработват бот, докато преминават през създаването на примерни чатботове, използвайки инструменти и рамки за разработка на ботове.

До края на това обучение участниците ще могат:

• Разберете различните употреби и приложения на ботовете
• Разберете пълния процес на разработване на ботове
• Разгледайте различните инструменти и платформи, използвани при изграждането на ботове
• Създайте примерен чатбот за Facebook Messenger
• Създайте примерен чатбот, като използвате Microsoft Bot Framework

Публика

• Разработчици, които се интересуват от създаването на свой собствен бот

Формат на курса

• Част лекция, част дискусия, упражнения и тежка практическа практика

Edge AI позволява моделите за изкуствен интелект да работят директно върху ембедирани или с ограничени ресурси устройства, намалявайки латентната забавяне и разходите на енергия, докато увеличава автономността и защитата на данните в роботни системи.

Това обучение под ръководството на инструктор (онлайн или на място) е насочено към средно ниво ембедирани разработчици и инженери по роботи, които желаят да имплементират техники за извършване на моделите и оптимизация директно върху роботни хардуер, използвайки TinyML и рамки за Edge AI.

По края на това обучение участниците ще могат да:

• Разберат основите на TinyML и Edge AI за роботика.
• Конвертират и разгъват моделите за извършване на устройствата.
• Оптимизират моделите за скорост, размер и енергиен ефективност.
• Интегрират системи с Edge AI в роботни контролни архитектури.
• Оценяват перформанса и точността в реални ситуации.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическа работа с TinyML и инструменти за Edge AI.
• Пратични упражнения на ембедирани и роботни хардуер платформи.

Опции за персонализация на курса

• За да поискате персонализирано обучение за този курс, моля създадете връзка с нас, за да го организираме.

Това обучение с преподавателско водено занятие в България (онлайн или на място) е предназначено за участници на средно ниво, които искат да изследват ролята на съвместните роботи (cobots) и другите човекоцентрични ИИ системи в современите работни места.

Край обучението, участниците ще могат да:

• Разберат принципите на човекоцентричен физически ИИ и неговото приложение.
• Изследват ролята на съвместните роботи в подобряването на продуктивността в работната среда.
• Идентифицират и решават предизвикателствата при взаимодействието между човек и машина.
• Проектират дейности, които оптимизират сътрудничеството между хора и ИИ-дривени системи.
• Подпомагат културата на иновации и адаптивност в работните места, интегрирани с ИИ.

Това обучение под ръководството на преподавател (онлайн или на място) се насочва към инженери, които искат да научат за приложимостта на изкуствения интелект в мехатронните системи.

По завършването на обучението участниците ще могат да:

• Получат обобщение за изкуствен интелект, машинно обучение и компютърна интелигенция.
• Разберат концепциите на невронните мрежи и различните методи за учене.
• Избират подходящи методи на изкуствен интелект ефективно за реални проблеми.
• Прилагат приложения на изкуствен интелект в мехатронната инженерия.

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.

Това обучение под ръководството на инструктор (онлайн или на място) е насочено към участници на среден ниво, които искат да подобрят уменията си в проектирането, програмирането и използването на интелигентни роботни системи за автоматизация и повече.

Към края на това обучение, участниците ще могат да:

• Разберат принципите на Физическото ИИ и неговите приложения в роботика и автоматизация.
• Проектират и програмират интелигентни роботни системи за динамични среди.
• Реализират ИИ модели за автономно взимане на решения в роботите.
• Използват симулационни инструменти за тестване и оптимизиране на роботите.
• Решават предизвикателства като сензорна фузия, реално време обработка и енергийна ефективност.

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.

Безопасни и обясними роботи е всестранно обучение, фокусиращо се на безопасността, верификациите и этичната управа на роботизирани системи. Курсът свързва теорията с практиката, разглеждайки методологиите за безопасностни случаи, анализирането на опасности и подходите към обяснимата изкуствена интелигенция (AI), които правят роботичното вземане на решения прозрачно и достоверно. Участниците ще научат как да гарантират съответствие, верифицират поведенията и документират безопасността в съответствие с международни стандарти.

Това обучение под ръководството на инструктор (онлайн или пред присъство) е насочено към професионалисти средно ниво, които искат да приложат принципите на верификацията, валдирането и обяснимостта за безопасното и етично разгъваряне на роботизирани системи.

По края на това обучение участниците ще могат:

• Разработват и документират безопасностни случаи за роботизирани и автономни системи.
• Применяват методи на верификация и валдиране в симулиращи среди.
• Разбират обяснимите AI фреймворки за роботичното вземане на решения.
• Интегрират принципи на безопасност и етика в дизайна и функционирането на системата.
• Комуникират изискванията за безопасност и прозрачност със стейкхолдери.

Формат на курса

• Интерактивен семинар и дискусия.
• Практически упражнения в симулации и анализ на безопасността.
• Кейсови изучавания от реални роботизирани приложения.

Опции за персонализация на курса

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

Умен робот е система за изкуствен интелигент (AI), която може да учи от своето околно среда и от своя опит и да разширява възможностите си на основата на тази знание. Умните роботи могат да сътрудничат с хората, работейки заедно с тях и учайки от тяхното поведение. Освен това те могат да изпълняват не само ръчен труд, но и когнитивни задачи. Освен физически роботи, умните роботи могат да бъдат и чисто софтуерни, живеейки в компютър като софтуерно приложение без подвижни части или физическо взаимодействие със света.

В този инструкторски, живо обучение, участниците ще научат различните технологии, рамки и техники за програмиране на различни типове механични умни роботи, след това ще приложат това знание за да завършат собствени проекти на умни роботи.

Курсът е разделен на 4 секции, всяка от които съществува от три дена лекции, дискусии и практикуване на разработка на роботи в живо лабораторно обстановка. Всяка секция ще завърши с практичен ръчен проект, за да позволи на участниците да практикуват и да демонстрират придобитото си знание.

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

Към края на това обучение, участниците ще могат да:

• Разберат ключовите концепции, използвани в роботните технологии
• Разберат и управляват взаимодействието между софтуер и хардуер в роботна система
• Разберат и имплементират софтуерните компоненти, които поддържат умните роботи
• Създадат и оперират симулиран механичен умен робот, който може да вижда, чувства, обработва, хваща, навигацира и взаимодейства с хората чрез глас
• Разширят възможностите на умен робот да изпълнява сложни задачи чрез Deep Learning
• Тестират и отстраняват грешки на умен робот в реалистични сценарии

Целева аудитория

• Разработчици
• Инженери

Формат на курса

• Част лекции, част дискусии, упражнения и много ръчно практикуване

Забележка

• За да персонализирате някакъв част от този курс (език за програмиране, модел на робот и т.н.), моля свържете се с нас, за да се договорим.

Smart Robotics е интеграцията на изкуствен интелигент в роботни системи за подобрено възприятие, вземане на решения и автономно управление.

Този курс, воден от инструктор (онлайн или на място), е предназначен за роботни инженери на напреднал ниво, интегратори на системи и ръководители на автоматизация, които искат да имплементират възприятие, планиране и управление, водени от изкуствен интелигент, в умни производствени среди.

До края на този курс участниците ще могат да:

• Разбирайте и приложете техники на изкуствен интелигент за роботно възприятие и сензорно сливане.
• Разработвайте алгоритми за движението на сътруднически и индустриални роботи.
• Развернете стратегии за управление, базирани на обучение, за вземане на решения в реално време.
• Интегрирайте интелигентни роботни системи в умни производствени процеси.

Формат на курса

• Интерактивни лекции и дискусии.
• Много упражнения и практика.
• Практично имплементиране в жива лабораторна среда.

Опции за персонизация на курса

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