Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
Съдържание и теми, включени в курса
Въведение в роботното манипулиране и дълбокото учене
- Преглед на задачите по манипулиране и компонентите на системата
- Традиционен vs. базиран на учене подход
- Дълбоко учене във възприятието, планирането и управлението
Възприятие за манипулиране
- Визуално усещане и детектиране на обекти за хващане
- 3D зрение, усещане за дълбочина и обработка на точкови облаци
- Обучаване на CNN-и за локализация и сегментация на обекти
Планиране и детекция на хващане
- Класически алгоритми за планиране на хващане
- Учене на пози за хващане от данни и симулация
- Внедряване на мрежи за детекция на хващане (напр. GGCNN, Dex-Net)
Управление и планиране на движение
- Обратна кинематика и генериране на траектории
- Базирано на учене планиране на движение и имитационно учене
- Учене с подкрепление за политики на управление на манипулации
Интеграция с ROS 2 и среди за симулация
- Настройване на възли на ROS 2 за възприятие и управление
- Симулиране на роботни манипулатори в Gazebo и Isaac Sim
- Интегриране на невронни модели за управление в реално време
Учене от край до край за манипулиране
- Комбиниране на възприятие, политика и управление в обединени мрежи
- Използване на демонстрационни данни за надзирано учене на политики
- Адаптация на домен между симулация и реална апаратура
Оценка и оптимизация
- Метрики за успех на хващането, стабилност и прецизност
- Тестване при променливи условия и смущения
- Компресия на модели и дебиране на edge устройства
Практически проект: Роботно хващане с базирани на дълбоко учене методи
- Проектиране на пайплайн от възприятие до действие
- Обучаване и тестване на модел за детекция на хващане
- Интегриране на модела в симулирана роботна ръка
Изисквания
- Здрави познания в областта на кинематиката и динамиката на роботите
- Опит с Python и фреймворкове за дълбоко учене
- Знакомство с ROS или подобни роботни middleware системи
Целева аудитория
- Роботни инженери, разработващи интелегентни системи за манипулиране
- Специалисти по възприятие и управление, работещи върху приложения за хващане
- Изследователи и напреднали практикуващи в областта на роботното учене и AI-базирано управление
28 Часа
Отзиви от участници (2)
Осигуряване на необходимите материали (виртуална машина) за незабавно започване на упражненията и обяснение на основата на ROS2. Защо нещата работят по определен начин.
Arjan Bakema
Курс - Autonomous Navigation & SLAM with ROS 2
Машинен превод
неговото знание и използване на ИИ за роботика в бъдещето.
Ryle - PHILIPPINE MILITARY ACADEMY
Курс - Artificial Intelligence (AI) for Robotics
Машинен превод