AI for Robotics Training in România

Edge AI enables artificial intelligence models to run directly on embedded or resource-constrained devices, reducing latency and power consumption while increasing autonomy and privacy in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level embedded developers and robotics engineers who wish to implement machine learning inference and optimization techniques directly on robotic hardware using TinyML and edge AI frameworks.

By the end of this training, participants will be able to:

• Understand the fundamentals of TinyML and edge AI for robotics.
• Convert and deploy AI models for on-device inference.
• Optimize models for speed, size, and energy efficiency.
• Integrate edge AI systems into robotic control architectures.
• Evaluate performance and accuracy in real-world scenarios.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using TinyML and edge AI toolchains.
• Practical exercises on embedded and robotic hardware platforms.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Reinforcement learning (RL) is a machine learning paradigm where agents learn to make decisions by interacting with an environment. In robotics, RL enables autonomous systems to develop adaptive control and decision-making capabilities through experience and feedback.

This instructor-led, live training (online or onsite) is aimed at advanced-level machine learning engineers, robotics researchers, and developers who wish to design, implement, and deploy reinforcement learning algorithms in robotic applications.

By the end of this training, participants will be able to:

• Understand the principles and mathematics of reinforcement learning.
• Implement RL algorithms such as Q-learning, DDPG, and PPO.
• Integrate RL with robotic simulation environments using OpenAI Gym and ROS 2.
• Train robots to perform complex tasks autonomously through trial and error.
• Optimize training performance using deep learning frameworks like PyTorch.

Format of the Course

• Interactive lecture and discussion.
• Hands-on implementation using Python, PyTorch, and OpenAI Gym.
• Practical exercises in simulated or physical robotic environments.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

OpenCV is an open-source computer vision library that enables real-time image processing, while deep learning frameworks such as TensorFlow provide the tools for intelligent perception and decision-making in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level robotics engineers, computer vision practitioners, and machine learning engineers who wish to apply computer vision and deep learning techniques for robotic perception and autonomy.

By the end of this training, participants will be able to:

• Implement computer vision pipelines using OpenCV.
• Integrate deep learning models for object detection and recognition.
• Use vision-based data for robotic control and navigation.
• Combine classical vision algorithms with deep neural networks.
• Deploy computer vision systems on embedded and robotic platforms.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using OpenCV and TensorFlow.
• Live-lab implementation on simulated or physical robotic systems.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

ROS 2 (Robot Operating System 2) is an open-source framework designed to support the development of complex and scalable robotic applications.

This instructor-led, live training (online or onsite) is aimed at intermediate-level robotics engineers and developers who wish to implement autonomous navigation and SLAM (Simultaneous Localization and Mapping) using ROS 2.

By the end of this training, participants will be able to:

• Set up and configure ROS 2 for autonomous navigation applications.
• Implement SLAM algorithms for mapping and localization.
• Integrate sensors such as LiDAR and cameras with ROS 2.
• Simulate and test autonomous navigation in Gazebo.
• Deploy navigation stacks on physical robots.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using ROS 2 tools and simulation environments.
• Live-lab implementation and testing on virtual or physical robots.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Robotica este un domeniu din inteligența artificială (AI) care se ocupă de programarea și conceperea mașinilor inteligente și eficiente.

Această instruire, condusă de un instructor (online sau pe loc), este destinată inginerilor care doresc să programeze și să creeze roboți folosind metode AI de bază.

La finalul acestei instruirii, participanții vor putea:

• Implementa filtre (Kalman și particule) pentru a permite robotului să localizeze obiecte în mișcare din mediul său.
• Implementa algoritmi de căutare și planificare de mișcare.
• Implementa controale PID pentru a regla mișcarea robotului într-un mediu.
• Implementa algoritmi SLAM pentru a permite unui robot să creeze o hartă a unui mediu necunoscut.

Formatul Cursului

• Prezentare interactivă și discuție.
• Multe exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de Personalizare a Cursului

• Pentru a solicita o instruire personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.

În această formare dirijată de instrucțor (în mod online sau presențial) din România, participanții vor învăța despre diferitele tehnologii, cadre și tehnici utilizate pentru programarea unor tipuri diverse de roboti care să fie folosiți în domeniul tehnicilor nucleare și sistemele de mediu.

Cursul cu o durată de 6 săptămâni se desfășoară pe 5 zile la săptămână. Fiecare zi are o durată de 4 ore și constă în lecturi, discuții și dezvoltarea practică a robotului într-un mediu laborator virtual. Participanții vor finaliza diverse proiecte din lumea reală care sunt aplicabile muncii lor pentru a-și pregăti cunoștințele dobândite.

Echipamentul țintă pentru acest curs va fi simulat în 3D prin intermediul unui software de simulare. Vom folosi cadrele deschise ROS (Robot Operating System), precum și limbajele C++ și Python pentru programarea robotilor.

La finalul acestei formări, participanții vor putea:

• Înțelege conceptele cheie folosite în tehnologiile robotice.
• Înțelege și gestionează interacțiunea dintre software și hardware într-un sistem robotic.
• Înțelege și implementează componentele software care stau la baza roboticii.
• Construi și opera un robot mecanic simulat capabil să vadă, să senzeze, să proceseze informațiile, să navigheze și să interacționeze cu oamenii prin voină.
• Înțelege elementele necesare de inteligență artificială (învățare automatizată, învățare adâncă etc.) aplicabile construirii unui robot inteligent.
• Implementa filtre (Kalman și Particle) pentru a putea localiza obiecte mobile din mediul său.
• Implementa algoritmi de căutare și planificare de mișcare.
• Implementa controle PID pentru reglarea mișcării robotului într-un mediu.
• Implementa algoritmi SLAM pentru a permite unui robot să mapeze un mediu necunoscut.
• Extinde abilitatea robotului de a efectua sarcini complexe prin învățarea adâncă.
• Testa și depista problemele unui robot în scenarii realiste.

În această formare conduță de instrcutor în România (online sau live), participanții vor învăța diferitele tehnologii, cadre și tehnici pentru programarea mai multor tipuri de robote care se pot utiliza în domeniul tehnic nuclear și sistemelor de mediu.

Cursul de 4 săptămâni este desfășurat de cinci zile pe săptămână. Fiecare zi durează 4 ore și constă din lecturi, discuții și dezvoltare practică a robotei într-un mediu live lab. Participanții vor finaliza diverse proiecte la nivel real aplicabile muncii lor pentru a practica cunoștințele pe care le-au adus acasă.

Hardware-ul țintă pentru acest curs va fi simulat în 3D prin intermediul unui software de simulare. Codul va fi îlăturat apoi la hardware fizic (Arduino sau alte) pentru testarea finală a deployului. Se vor utiliza cadrelor deschise ROS (Robot Operating System), C++ și Python pentru programarea robotoarelor.

La sfârșitul acestei forme de instruire, participanții vor putea:

• Comprende conceptele cheie utilizate în tehnologiile robotice.
• Comprende și gestionează interacțiunea dintre software și hardware într-un sistem robotic.
• Comprende și implementează componentele de software care subțieg roboțica.
• Construiește și operează un robot mecanic simulat care poate vedea, percepe, procesează, navighează și interacționează cu oamenii prin voce.
• Comprende elementele necesare de inteligență artificială (aprenderea automatizată, învățarea profundă etc.) aplicabile construirii unui robot inteligent.
• Implementează filtre (Kalman și Particle) pentru a permite robotului să localizeze obiectele care se mișcă în mediul său.
• Implementați algoritmi de căutare și planificarea mișcării.
• Implementează controlele PID pentru a regla mișcările robotului într-un mediu.
• Implementează algoritmul SLAM pentru a permite unui robot să creeze o hartă de un mediu necunoscut.
• Testați și rezolvați problemele cu un robot în scenarii realiste.