Kontakt aufnehmen
 Dauer 21 Stunden

Schulungsübersicht

Einführung in KI und Robotik

  • Überblick über die Konvergenz moderner Robotik und KI
  • Anwendungen in autonomen Systemen, Drohnen und Servicerobotern
  • Wichtige KI-Komponenten: Wahrnehmung, Planung und Regelung

Einrichtung der Entwicklungsumgebung

  • Installation von Python, ROS 2, OpenCV und TensorFlow
  • Nutzung von Gazebo oder Webots für Robotersimulationen
  • Arbeiten mit Jupyter Notebooks für KI-Experimente

Wahrnehmung und Computervision

  • Nutzung von Kameras und Sensoren für die Wahrnehmung
  • Bildklassifikation, Objekterkennung und Segmentierung mit TensorFlow
  • Kanten­erkennung und Kontur­verfolgung mit OpenCV
  • Echtzeit-Bildstrom und -verarbeitung

Lokalisierung und Sensorfusion

  • Verständnis der probabilistischen Robotik
  • Kalman-Filter und Erweiterte Kalman-Filter (EKF)
  • Partikelfilter für nichtlineare Umgebungen
  • Integration von LiDAR-, GPS- und IMU-Daten für die Lokalisierung

Bewegungsplanung und Pfadsuche

  • Algorithmen für die Pfadplanung: Dijkstra, A* und RRT*
  • Hindernisvermeidung und Kartierung der Umgebung
  • Echtzeit-Bewegungsregelung mit PID
  • Dynamische Pfadoptimierung mittels KI

Reinforcement Learning für Robotik

  • Grundlagen des Reinforcement Learning
  • Design von belohnungsbasiertem Roboter­verhalten
  • Q-Learning und Deep Q-Networks (DQN)
  • Integration von RL-Agenten in ROS für adaptive Bewegung

Simultaneous Localization and Mapping (SLAM)

  • Verständnis der SLAM-Konzepte und Workflows
  • Implementierung von SLAM mit ROS-Paketen (gmapping, hector_slam)
  • Visuelles SLAM mit OpenVSLAM oder ORB-SLAM2
  • Testen von SLAM-Algorithmen in simulierten Umgebungen

Fortgeschrittene Themen und Integration

  • Spracherkennung und Gestenerkennung für die Mensch-Roboter-Interaktion
  • Integration in IoT- und Cloud-Robotik-Plattformen
  • KI-gestützte prädiktive Instandhaltung für Roboter
  • Ethik und Sicherheit in der KI-gestützten Robotik

Abschlussprojekt

  • Entwurf und Simulation eines intelligenten mobilen Roboters
  • Implementierung von Navigation, Wahrnehmung und Bewegungsregelung
  • Demonstration der Echtzeit-Entscheidungsfindung mit KI-Modellen

Zusammenfassung und weitere Schritte

  • Wiederholung der wichtigsten Techniken der KI in der Robotik
  • Zukunftstrends in der autonomen Robotik
  • Ressourcen für kontinuierliches Lernen

Voraussetzungen

  • Programmiererfahrung in Python oder C++
  • Grundlegendes Verständnis von Informatik und Ingenieurwesen
  • Vertrautheit mit Wahrscheinlichkeitskonzepten, Analysis und lineare Algebra

Zielgruppe

  • Ingenieure
  • Robotik-Enthusiasten
  • Forscher im Bereich Automatisierung und KI

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien