Schulungsübersicht

Abschnitt 01

Tag 01 Einführung

    Was macht einen intelligenten Roboter intelligent?

Physisch vs. virtuell Smart Robots

    Smart Robots, Smart Machines, Sentient Machines und Robotic Process Automation (RPA) usw.

Die Rolle der Künstlichen Intelligenz (KI) in Smart Robots

    Jenseits von „Wenn-Dann-Sonst“ und der lernenden Maschine Die Algorithmen hinter der KI KI in Smart Robots: maschinelles Lernen, Computer Vision, Verarbeitung natürlicher Sprache (NLP) usw. Kognitive Robotik

Die Rolle von Big Data in Smart Robots

    Entscheidungsfindung auf Basis von Daten und Mustern

Die Wolke und Smart Robots

    Verknüpfung von Robotik und IT. Entwicklung funktionsfähigerer Roboter, die auf mehr Informationen zugreifen und zusammenarbeiten

Fallstudie: Mechanisch Smart Robots

    Industriell Smart Robots Baxter
Persönliche Serviceroboter, Haushaltsroboter, die ältere Menschen unterstützen, intelligente selbstfahrende Autos
  • Professionelle Serviceroboter Agrarroboter im Milchviehbetrieb
  • Hardwarekomponenten eines Smart Robot
  • Motoren, Sensoren, Mikrocontroller, Kameras usw.
  • Gemeinsame Elemente von Smart Robots

      Maschinelles Sehen, Spracherkennung, Sprachsynthese, Näherungserkennung, Druckerkennung usw.

    Entwicklungsrahmen für Programming einen intelligenten Roboter

      Open-Source- und kommerzielle Frameworks Robot Operating System (ROS) Architektur: Arbeitsbereich, Themen, Nachrichten, Dienste, Knoten, Actionlibs, Tools usw.

    Sprachen für Programming einen intelligenten Roboter

      C++ zur Low-Level-Steuerung, Python zur Orchestrierung, Programmierung von ROS Knoten in Python und C++, anderen Sprachen

    Tools zur Simulation eines physischen intelligenten Roboters

      Kommerzielle und Open-Source-3D-Simulations- und Visualisierungssoftware

    Vorbereiten der Entwicklungsumgebung

      Softwareinstallation und -einrichtung Nützliche Pakete und Dienstprogramme

    Tag 02 Programming der intelligente Roboter

      Programmieren eines Knotens in Python und C++ Verstehen von ROS Knotenmeldungen und Themen in ROS Veröffentlichungs-/Abonnementparadigma Projekt: Bump & Go mit echtem Roboter Fehlerbehebung Simulation von Robotern mit Gazebo / ROS Frames in ROS und Referenz Änderungen 2D-Informationsverarbeitung von Kameras mit OpenCV Informationsverarbeitung eines Lasers Projekt: Sichere Verfolgung von Objekten durch Farbe Fehlerbehebung

    Tag 03 Programming der intelligente Roboter (Fortsetzung...)

      Dienste in ROS 3D-Informationsverarbeitung von RGB-D-Sensoren mit PCL-Karten und Navigation mit ROS Projekt: Search für Objekte in der Umgebung Fehlerbehebung

     

      Abschnitt 02

    Tag 04 Programming der intelligente Roboter (Fortsetzung...)

    ActionLib Speech Recognition und Sprachgenerierung Roboterarme steuern mit MoveIt! Steuerung des Roboterhalses für aktives Sehen. Projekt: Suche und Sammlung von Objekten. Fehlerbehebung

    Testen Sie Ihren intelligenten Roboter

      Unit-Tests

    Tag 05: Erweiterung der Fähigkeiten eines intelligenten Roboters mit Deep Learning

      Wahrnehmung – Sehen, Audio und Haptik Wissensrepräsentation Spracherkennung durch NLP (Natural Language Processing) Computer Sehen

    Crashkurs in Deep Learning

      Künstlich Neural Networks (ANNs) Künstlich Neural Networks vs. Biologisch Neural Networks Feedforward Neural Networks Aktivierungsfunktionen Training Künstlich Neural Networks

    Tag 06 Crashkurs in Deep Learning (Fortsetzung...)

      Deep Learning Modelle von Faltungsnetzwerken und wiederkehrenden Netzwerken

    Faltungsschicht Neural Networks (CNNs oder ConvNets).

      Pooling-Schicht
    Faltungsarchitektur Neural Networks.
  • Abschnitt 03
  • Tag 07 Crashkurs in Deep Learning (Fortsetzung...)
  • Wiederkehrend Neural Networks (RNN) Training eines RNN Stabilisieren von Gradienten während des Trainings Netzwerke mit langem Kurzzeitgedächtnis
  • Deep-Learning-Plattformen und Software-Bibliotheken Deep Learning in ROS

    Tag 08: Verwendung von Big Data in Ihrem intelligenten Roboter

      Big-Data-Konzepte Ansätze zur Datenanalyse Big-Data-Tools Erkennen von Mustern in den Daten Übung: NLP und Computer Vision an großen Datensätzen
    Tag 09: Verwendung von Big Data in Ihrem intelligenten Roboter (Fortsetzung...)
  • Verteilte Verarbeitung großer Datensätze Koexistenz und gegenseitige Befruchtung von Big Data und Robotics Der intelligente Roboter als Generator von Daten Entfernungsmesssensoren, Positions-, visuellen, taktilen Sensoren und anderen Modalitäten
  • Sinnesdaten sinnvoll nutzen (Sense-Plan-Act-Schleife)

      Übung: Streaming-Daten erfassen

     

      Abschnitt 04
    Tag 10 Programming ein autonomer, intelligenter Deep-Learning-Roboter
  • Deep Learning Roboterkomponenten Einrichten des Robotersimulators Ausführen eines CUDA-beschleunigten neuronalen Netzwerks mit Cafe Troubleshooting
  • Tag 11 Programming ein autonomer, intelligenter Deep-Learning-Roboter (Fortsetzung...)
  • Erkennen von Objekten in Fotos oder Videostreams. Aktivieren von Computer Vision mit OpenCV Fehlerbehebung

    Tag 12 Datenanalyse

    Verwendung des Smart Robot zum Sammeln und Organisieren neuer Daten

      Gemeinsam einen intelligenten Roboter bauen

    Bereitstellen Ihres intelligenten Roboters auf physischer Hardware

      Überwachung und Wartung Smart Robots vor Ort

    Sichern Sie Ihren Roboter

      Verhindern Sie unbefugte Manipulation. Verhindern Sie, dass Hacker sensible Geschäftsdaten (Kreditkarten, Mitarbeiterinformationen usw.) einsehen und stehlen.

    Beitritt zur Robotics Community

    Zukunftsaussichten für Smart Robots

    Schlußbemerkungen

    Voraussetzungen

    • Programmiererfahrung in C++
    • Programmiererfahrung in Python
    • Erfahrung mit der Linux-Kommandozeile
     84 Stunden

    Teilnehmerzahl



    Preis je Teilnehmer

    Erfahrungsberichte (1)

    Kombinierte Kurse

    AI and Robotics for Nuclear - Extended

    120 Stunden

    AI and Robotics for Nuclear

    80 Stunden

    Verwandte Kategorien