Schulungsübersicht
Abschnitt 01
Tag 01
Einführung
- Was macht einen intelligenten Roboter intelligent?
Physisch vs. virtuell Smart Robots
- Smart Robots, Intelligente Maschinen, empfindungsfähige Maschinen und Robotic Process Automation (RPA), etc.
Die Rolle von Artificial Intelligence (AI) in Smart Robots
- Jenseits von "if-then-else" 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 der Grundlage von Daten und Mustern
Die Cloud und Smart Robots
- Verknüpfung von Robotik und IT
- Funktionsfähigere Roboter, die auf mehr Informationen zugreifen und zusammenarbeiten
Fallstudie: Mechanik Smart Robots
- Industriell Smart Robots
- Baxter
- Persönliche Serviceroboter
- Haushaltsroboter, die älteren Menschen helfen, intelligente selbstfahrende Autos
- Professionelle Serviceroboter
- Landwirtschaftsroboter in der Milchwirtschaft
Hardware-Komponenten eines intelligenten Roboters
- Motoren, Sensoren, Mikrocontroller, Kameras, usw.
Gemeinsame Elements von Smart Robots
- Maschinelles Sehen, Spracherkennung, Sprachsynthese, Näherungssensorik, Drucksensorik, usw.
Entwicklungs-Frameworks für Programming einen intelligenten Roboter
- Open Source und kommerzielle Rahmenwerke
- Roboter-Betriebssystem (ROS)
- Architektur: Arbeitsbereich, Themen, Nachrichten, Dienste, Knoten, Aktionsbibliotheken, Werkzeuge usw.
Languages für Programming einen intelligenten Roboter
- C++ für die Steuerung auf niedriger Ebene
- Python für die Orchestrierung
- Programming ROS Knoten in Python und C ++
- Andere Sprachen
Werkzeuge für die Simulation eines physischen intelligenten Roboters
- Kommerzielle und quelloffene 3D-Simulations- und Visualisierungssoftware
Vorbereiten der Entwicklungsumgebung
- Installation und Einrichtung der Software
- Nützliche Pakete und Dienstprogramme
Tag 02
Programming der intelligente Roboter
- Programming ein Knoten in Python und C ++
- Verstehen des ROS Knotens
- Nachrichten und Themen in ROS
- Veröffentlichung / Abonnement-Paradigma
- Projekt: Bump & Go mit echtem Roboter
- Fehlersuche
- Simulation von Robotern mit Gazebo / ROS
- Frames in ROS und Referenzänderungen
- 2D-Informationsverarbeitung von Kameras mit OpenCV
- Informationsverarbeitung eines Lasers
- Projekt: Sichere Verfolgung von Objekten nach Farbe
- Fehlersuche
Tag 03
Programming der intelligente Roboter (Fortsetzung...)
- Dienstleistungen in ROS
- 3D-Informationsverarbeitung von RGB-D-Sensoren mit PCL
- Karten und Navigation mit ROS
- Projekt: Suche nach Objekten in der Umgebung
- Fehlersuche
Abschnitt 02
Tag 04
Programming der intelligente Roboter (Fortsetzung...)
- ActionLib
- Speech Recognition und Spracherzeugung
- Steuerung von Roboterarmen mit MoveIt!
- Steuerung des Roboterhalses für aktives Sehen
- Projekt: Suchen und Sammeln von Objekten
- Fehlersuche
Testen Ihres intelligenten Roboters
- Unit-Tests
Tag 05
Erweitern der Fähigkeiten eines intelligenten Roboters mit Deep Learning
- Wahrnehmung - Vision, Audio und Haptik
- Wissensrepräsentation
- Spracherkennung durch NLP (natürliche Sprachverarbeitung)
- Computer Vision
Crashkurs in Deep Learning
- Künstliche Neural Networks (ANNs)
- Künstliche Neural Networks vs. Biologische Neural Networks
- Feedforward Neural Networks
- Aktivierungsfunktionen
- Training künstlicher Neural Networks
Tag 06
Crashkurs in Deep Learning (Fortsetzung...)
- Deep Learning Modelle
- Faltungsnetze und rekurrente Netze
- Convolutional Neural Networks (CNNs oder ConvNets)
- Faltungsschicht
- Pooling-Schicht
- Architektur von Faltungsnetzen Neural Networks
Abschnitt 03
Tag 07
Crashkurs in Deep Learning (Fortsetzung...)
- Wiederkehrend Neural Networks (RNN)
- Training eines RNN
- Stabilisierung 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-Werkzeuge
- Erkennen von Mustern in den Daten
- Übung: NLP und Computer Vision auf großen Datensätzen
Tag 09
Verwendung von Big Data in Ihrem intelligenten Roboter (Fortsetzung...)
- Verteilte Verarbeitung von großen Datensätzen
- Koexistenz und gegenseitige Befruchtung von Big Data und Robotics
- Der Smart Robot als Generator von Daten
- Sensoren zur Entfernungsmessung, Position, visuelle, taktile Sensoren und andere Modalitäten
- Sinnhaftigkeit der sensorischen Daten (Sense-Plane-Act-Schleife)
- Übung: Erfassen von Datenströmen
Abschnitt 04
Tag 10
Programming ein autonomer Deep Learning intelligenter Roboter
- Deep Learning Roboter-Komponenten
- Einrichten des Robotersimulators
- Ausführen eines CUDA-beschleunigten neuronalen Netzwerks mit Cafe
- Fehlersuche
Tag 11
Programming ein autonomer Deep Learning intelligenter Roboter (Fortsetzung...)
- Erkennen von Objekten in Fotos oder Videoströmen
- Ermöglichung von Computer Vision mit OpenCV
- Fehlersuche
Tag 12
Datenanalyse
- Verwendung des intelligenten Roboters zum Sammeln und Organisieren neuer Daten
Kollaborativer Aufbau eines intelligenten Roboters
Einsatz Ihres intelligenten Roboters auf physischer Hardware
Überwachung und Wartung Smart Robots im Feld
Sichern Ihres Roboters
- Verhindern von unbefugten Eingriffen
- Verhinderung der Einsichtnahme und des Diebstahls sensibler Geschäftsdaten (Kreditkarten- und Mitarbeiterdaten usw.) durch Hacker
Beitritt zur Robotics-Gemeinschaft
Zukünftige Outlook für Smart Robots
Schlussbemerkungen
Voraussetzungen
- Programmiererfahrung in C++
- Programmiererfahrung in Python
- Erfahrung mit der Linux-Kommandozeile
Erfahrungsberichte (1)
Jedes Mal, wenn ich mir bei einer Übung nicht sicher war, hat der Trainer sie mir auf verschiedene Arten erklärt, bis ich sie verstanden habe.
Oncel Seleamet - IRROM Industrie
Kurs - PLC Ladder Programming
Maschinelle Übersetzung