Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Edge AI im Kontext der Robotik
- Was ist eigentlich Edge AI?
- Warum ist Edge AI für die Robotik von entscheidender Bedeutung?
- Welche Herausforderungen ergeben sich bei der Anwendung von Echtzeit-KI in autonomen Systemen?
Implementierung von KI-Modellen auf Edge-Geräten
- Ausführung von KI-Inferenzen auf NVIDIA Jetson und anderen Edge-Hardwareplattformen.
- Nutzung von TensorFlow Lite sowie ONNX zur Bereitstellung von Modellen an der Edge-Ebene.
- Optimierung von KI-Modellen, damit sie in Echtzeit ausgeführt werden können.
Echtzeit-Perzeption für autonome Systeme
- Computervision zur Steuerung der Navigation von Robotern.
- Sensordatenfusion: Einsatz von LiDAR, Kameras und IMUs.
- Edge AI für Objekterkennung und -verfolgung.
Entscheidungsfindung und Steuerung in Robotik-Systemen
- Einsatz von Reinforcement Learning zur Entwicklung autonomer Verhaltensweisen von Robotern.
- Routenplanung sowie Hindernisvermeidung in komplexen Umgebungen.
- Minimierung der Latenz bei Echtzeit-KI-Verarbeitung.
Integration von KI mit ROS (Robot Operating System)
- Grundlagen von ROS sowie dessen Ökosystem für Robotik-Anwendungen.
- Ausführung von künstlichen Intelligenz-basierten Wahrnehmungsmodellen innerhalb von ROS.
- Einsatz von Edge AI in Anwendungen mit mehreren Robotern bzw. Schwärmrobotik-Konzepten.
Optimierung von KI für energieeffiziente Robotersysteme
- Effiziente neuronale Netzarchitekturen speziell für robotische Einsatzgebiete.
- Reduzierung des Energieverbrauchs in KI-gesteuerten Robotern.
- Bereitstellung von KI-Modellen auf Batterie-betriebenen Robotikplattformen.
Reale Anwendungsbeispiele sowie zukünftige Entwicklungen
- Autonome Drohnen und industrielle Roboter.
- KI-gestützte robotische Assistenten.
- Zukünftige Innovationen im Bereich Edge AI für die Robotik.
Abschluss und weitere Schritte
Voraussetzungen
- Grundkenntnisse in KI- und maschinellen Lernverfahren
- Erfahrung mit eingebetteten Systemen oder Robotik
- Basiswissen über Echtzeitrechnung
Zielgruppe
- Roboteringenieure
- KI-Entwickler
- Automatisierungsspezialisten
21 Stunden
Erfahrungsberichte (1)
Dass wir uns mit fortgeschrittenen Themen befassen und an realen Beispielen arbeiten können
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurs - Advanced Edge AI Techniques
Maschinelle Übersetzung