Schulungsübersicht

Einführung in Edge AI in der Robotik

  • Was ist Edge AI?
  • Warum Edge AI für die Robotik essentiell ist
  • Herausforderungen von Echtzeit-KI in autonomen Systemen

Bereitstellung von KI-Modellen auf Edge-Geräten

  • KI-Schlussfolgerung auf NVIDIA Jetson und anderen Edge-Hardwarekomponenten
  • Nutzung von TensorFlow Lite und ONNX für die Edge-Bereitstellung
  • Optimierung von KI-Modellen für Echtzeit-Ausführung

Echtzeit-Wahrnehmung für autonome Systeme

  • Computer Vision zur Roboternavigation
  • Sensorenfusion: LiDAR, Kameras und IMUs
  • Edge AI für Objekterkennung und -verfolgung

Entscheidungsfindung und Steuerung in der Robotik

  • Verstärkendes Lernen für autonome Verhaltensweisen
  • Pfadplanung und Hindernisvermeidung
  • Latenzoptimierung in Echtzeit-KI-Systemen

Integration von KI mit ROS (Robot Operating System)

  • Überblick über ROS und sein Ökosystem
  • Ausführung von AI-basierten Wahrnehmungsmodellen in ROS
  • Edge AI in Multi-Roboter- und Schwarmrobotik-Anwendungen

Optimierung von KI für niederleistende Robotersysteme

  • Effiziente neuronale Netzarchitekturen für die Robotik
  • Verringern des Energieverbrauchs in AI-gesteuerten Robotern
  • Bereitstellung von KI auf batteriebetriebenen robotischen Plattformen

Praktische Anwendungen und Zukunftsstrategien

  • Autonome Drohnen und Industrieroboter
  • AI-gesteuerte robotische Assistenten
  • Zukünftige Entwicklungen in Edge AI für die Robotik

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Ein Verständnis von KI und maschinellem Lernen
  • Erfahrung mit eingebetteten Systemen oder Robotik
  • Grundlegendes Wissen über Echtzeitanwendungen

Zielgruppe

  • Robotikkonstrukteure
  • KI-Entwickler
  • Automatisierungsspezialisten
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien