Schulungsübersicht

Woche 01

Einführung

    Was macht einen Roboter intelligent?

Physische und virtuelle Roboter

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

Die Rolle der Künstlichen Intelligenz (KI) in Robotics

    Jenseits von "wenn-dann-else" und der lernenden Maschine Die Algorithmen hinter der KI Maschinelles Lernen, Computer Vision, Verarbeitung natürlicher Sprache (NLP), etc. Kognitive Robotik

Die Rolle von Big Data in Robotics

    Entscheidungsfindung auf der Grundlage von Daten und Mustern

Die Cloud und Robotics

    Verknüpfung von Robotik und IT Bau von funktionelleren Robotern, die auf mehr Informationen zugreifen und zusammenarbeiten können

Fallstudie: Industrieroboter

    Mechanische Roboter Baxter
Roboter in kerntechnischen Anlagen Strahlungsdetektion und -schutz
  • Roboter in der Kerntechnik React oder Strahlungsdetektion und -schutz
  • Hardwarekomponenten eines Roboters
  • Motoren, Sensoren, Mikrocontroller, Kameras, usw.
  • Gemeinsame Elements von Robotern

      Maschinelles Sehen, Spracherkennung, Sprachsynthese, Näherungssensorik, Drucksensorik usw.

    Entwicklungsframeworks für Programming einen Roboter

      Open Source und kommerzielle Frameworks Roboter-Betriebssystem (ROS) Architektur: Arbeitsbereich, Themen, Nachrichten, Dienste, Knoten, Aktionsbibliotheken, Werkzeuge, usw.

    Sprachen für Programming einen Roboter

      C++ für die Steuerung auf niedriger Ebene Python für die Orchestrierung Programmierung ROS von Knoten in Python und C ++ Andere Sprachen

    Werkzeuge für die Simulation eines physischen Roboters

      Kommerzielle und quelloffene 3D-Simulations- und Visualisierungssoftware

     

      Woche 02

    Vorbereiten der Entwicklungsumgebung

    Installation und Einrichtung von Software Nützliche Pakete und Dienstprogramme

    Fallstudie: Mechanische Roboter

      Roboter im Bereich der Kerntechnik Roboter in der Umwelttechnik

    Programming der Roboter

      Programmierung eines Knotens 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

     

      Woche 03

    Programming der Roboter (Fortsetzung...)

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

    Programming der Roboter (Fortsetzung...)

      ActionLib Speech Recognition und Spracherzeugung Steuerung von Roboterarmen mit MoveIt! Steuerung von Roboternacken für aktives Sehen Projekt: Suchen und Sammeln von Objekten Fehlersuche

    Testen des Roboters

      Einheitliche Prüfung

     

      Woche 04

    Erweiterung der Fähigkeiten eines Roboters mit Deep Learning

    Wahrnehmung - Sehen, Hören und Haptik Darstellung von Wissen Spracherkennung durch NLP (Natural Language Processing) Computer Sehen

    Crashkurs in Deep Learning

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

    Crashkurs in Deep Learning (Fortsetzung...)

      Deep Learning Modelle Faltungsnetze und rekurrente Netze

    Faltungsnetzwerke Neural Networks (CNNs oder ConvNets)  Faltungsschicht

       Pooling-Schicht
     Convolutional Neural Networks Architektur
  •  
  • Woche 05
  • Crashkurs in Deep Learning (Fortsetzung...)
  • Rekurrent Neural Networks (RNN) Training eines RNN Stabilisierung der Gradienten während des Trainings Netzwerke mit langem Kurzzeitgedächtnis

    Plattformen und Software-Bibliotheken für Deep Learning Deep Learning in ROS

    Verwendung von Big Data in Ihrem Roboter

      Big Data-Konzepte Ansätze zur Datenanalyse Big-Data-Werkzeuge Erkennen von Mustern in den Daten Übung: NLP und Computer Vision auf großen Datensätzen
    Verwendung von Big Data in Ihrem Roboter (Fortsetzung...)
  • Verteilte Verarbeitung von großen Datenmengen Koexistenz und gegenseitige Befruchtung von Big Data und Robotics Der Roboter als Generator von Daten Entfernungsmessende Sensoren, Positions-, visuelle, taktile Sensoren und andere Modalitäten
  • Sinnhaftigkeit der sensorischen Daten (Sinnes-Plan-Handlungs-Schleife)

      Übung: Erfassen von Streaming-Daten

    Programming ein autonomer Roboter mit Deep Learning

      Deep Learning Komponenten des Roboters Einrichten des Robotersimulators Ausführen eines CUDA-beschleunigten neuronalen Netzwerks mit Cafe Fehlersuche
     
  • Woche 06
  • Programming ein autonomer Roboter mit Deep Learning (Fortsetzung...)
  • Erkennung von Objekten in Fotos oder Videoströmen Ermöglichung von Computer Vision mit OpenCV Fehlersuche

      Datenanalyse

    Einsatz des Roboters zur Sammlung und Organisation neuer Daten Werkzeuge und Prozesse für die Auswertung der Daten

    Einsatz eines Roboters

    Überführung eines simulierten Roboters in physische Hardware Einsatz des Roboters in der realen Welt Überwachung und Wartung von Robotern in der Praxis

      Sichern des Roboters

    Verhinderung unbefugter Manipulationen Verhinderung der Einsichtnahme und des Diebstahls sensibler Daten durch Hacker

      Gemeinsamer Bau eines Roboters

    Bau eines Roboters in der Cloud Beitritt zur Robotik-Community

      Zukunft Outlook für Roboter im Bereich Wissenschaft und Energie

    Zusammenfassung und Schlussfolgerung

    Voraussetzungen

    • Programmiererfahrung in C oder C++
    • Programmiererfahrung in Python (nützlich, aber nicht notwendig; kann im Rahmen des Kurses vermittelt werden)
    • Erfahrungen mit der Linux-Kommandozeile

    Publikum

    • Entwickler
    • Ingenieure
    • Wissenschaftler
    • Techniker
      120 Stunden
     

    Teilnehmerzahl


    Beginnt

    Endet


    Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
    Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

    Erfahrungsberichte (1)

    Kombinierte Kurse

    Smart Robots for Developers

      84 Stunden

    Verwandte Kategorien