Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere în manipularea robotică și Deep Learning
- Prezentarea task-urilor de manipulare și componentelor sistemului
- Apropiere tradițională vs. abordări bazate pe învățare
- Deep Learning în percepție, planificare și control
Percepție pentru manipulare
- Senzare vizuală și detectarea obiectelor pentru prindere
- Viziune 3D, detectarea adâncimii și procesarea punctelor (point cloud)
- Antrenarea CNN-urilor pentru localizarea și segmentarea obiectelor
Planificare și detectarea prinderii
- Algoritmi clasici de planificare a prinderii
- Învățarea pozițiilor de prindere din date și simulare
- Implementarea rețelelor de detectare a prinderii (ex: GGCNN, Dex-Net)
Control și planificarea mișcării
- Cinematicica inversă și generarea traiectoriilor
- Planificarea mișcării bazată pe învățare și învățarea prin imitare
- Reinforcement learning pentru politici de control a manipulării
Integrare cu ROS 2 și medii de simulare
- Configurarea nodurilor ROS 2 pentru percepție și control
- Simularea manipulatorilor robotici în Gazebo și Isaac Sim
- Integrarea modelelor neuronale pentru control în timp real
Învățare end-to-end pentru manipulare
- Combinația percepției, politicii și controlului în rețele unificate
- Folosirea datelor de demonstrație pentru învățarea politicii supervizate
- Adaptarea de domeniu între simulare și hardware-ul real
Evaluare și optimizare
- Metrici pentru succesul prinderii, stabilitatea și precizia
- Testare în condiții variate și în prezența perturbărilor
- Comprimarea modelelor și deploierea pe dispozitive edge
Proiect hands-on: Prindere robotică bazată pe Deep Learning
- Designul unui pipeline de la percepție la acțiune
- Antrenarea și testarea unui model de detectare a prinderii
- Integrarea modelului într-un braț robotic simulat
Cerințe
- Înțelegere solidă a cinematicicii și dinamicii roboticii
- Experiență cu Python și framework-uri de Deep Learning
- Familiaritate cu ROS sau middleware robotice similare
Audiența
- Ingineri de robotică care dezvoltă sisteme de manipulare inteligente
- Specialiști în percepție și control care lucrează la aplicații de prindere
- Cercetători și practicieni avansați în învățarea robotică și controlul bazat pe AI
28 Ore
Mărturii (2)
Furnizarea materialelor (mașină virtuală) pentru a intra direct în exerciții și explicarea nucleului Ros2. De ce lucrurile funcționează într-un anumit mod.
Arjan Bakema
Curs - Autonomous Navigation & SLAM with ROS 2
Tradus de catre o masina
cunoașterea și utilizarea IA pentru Robotica în Viitor.
Ryle - PHILIPPINE MILITARY ACADEMY
Curs - Artificial Intelligence (AI) for Robotics
Tradus de catre o masina