Praktisches Rapid Prototyping für die Robotik mit ROS 2 & Docker Schulung

Künstliche Intelligenz (KI) für die Robotik verbindet maschinelles Lernen, Steuerungssysteme und Sensorfusion, um intelligente Maschinen zu schaffen, die autonom wahrnehmen, schlussfolgern und handeln können. Mit modernen Tools wie ROS 2, TensorFlow und OpenCV können Ingenieurinnen und Ingenieure heute Roboter entwerfen, die sich intelligent in realen Umgebungen bewegen, planen und interagieren.

Diese instruktionsgeleitete Live-Schulung (online oder vor Ort) richtet sich an Ingenieurinnen und Ingenieure mit mittlerem Kenntnisstand, die KI-gesteuerte Robotersysteme mit aktuellen Open-Source-Technologien und Frameworks entwickeln, trainieren und bereitstellen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Python und ROS 2 zu nutzen, um Roboter-Verhalten zu erstellen und zu simulieren.
• Kalman-Filter und Partikelfilter für Lokalisierung und Tracking zu implementieren.
• Computervision-Techniken mit OpenCV für Wahrnehmung und Objekterkennung anzuwenden.
• TensorFlow für Bewegungsprädiktion und lernbasierte Steuerung zu verwenden.
• SLAM (Simultaneous Localization and Mapping) für autonome Navigation zu integrieren.
• Reinforcement-Learning-Modelle zu entwickeln, um die Entscheidungsfindung von Robotern zu verbessern.

Form der Schulung

• Interaktive Vorträge und Diskussionen.
• Praktische Implementierung mit ROS 2 und Python.
• Praxisübungen in simulierten und realen Robotikumgebungen.

Möglichkeiten zur Kursanpassung

Für eine maßgeschneiderte Schulung zu diesem Kurs kontaktieren Sie uns bitte, um die Details zu vereinbaren.

ROS 2 (Robot Operating System 2) ist ein Open-Source-Framework, das entwickelt wurde, um die Erstellung komplexer und skalierbarer Roboteranwendungen zu unterstützen.

Dieser instruktionsgeleitete, live stattfindende Kurs (online oder vor Ort) richtet sich an Roboter-Ingenieure und Entwickler auf fortgeschrittenem Niveau, die autonomes Navigation und SLAM (Simultaneous Localization and Mapping) mit ROS 2 implementieren möchten.

Nach Abschluss dieses Kurses werden die Teilnehmer in der Lage sein:

• ROS 2 für autonome Navigationsanwendungen einzurichten und zu konfigurieren.
• SLAM-Algorithmen zur Kartierung und Lokalisierung zu implementieren.
• Sensoren wie LiDAR und Kameras mit ROS 2 zu integrieren.
• Autonome Navigation in Gazebo zu simulieren und zu testen.
• Navigationsstapel auf physischen Robotern bereitzustellen.

Kursformat

• Interaktiver Vortrag und Diskussion.
• Praktische Übungen mit ROS 2-Tools und Simulationsumgebungen.
• Live-Lab-Implementierung und Tests auf virtuellen oder physischen Robotern.

Anpassungsoptionen des Kurses

• Um einen maßgeschneiderten Kurs für diese Veranstaltung anzufordern, kontaktieren Sie uns bitte, um die Details zu vereinbaren.

OpenCV ist eine Open-Source-Bibliothek für Computer Vision, die Echtzeit-Bildverarbeitung ermöglicht, während Deep-Learning-Frameworks wie TensorFlow die Werkzeuge für intelligente Wahrnehmung und Entscheidungsfindung in robotischen Systemen bereitstellen.

Dieser live geleitete Schulungskurs (online oder vor Ort) richtet sich an Ingenieurinnen und Ingenieure der Robotik mit fortgeschrittenen Kenntnissen, Praktikerinnen und Praktiker im Bereich Computer Vision sowie Machine-Learning-Ingenieurinnen und -Ingenieure, die Computer-Vision-Techniken und Deep Learning für die robotische Wahrnehmung und Autonomie anwenden möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer folgende Fähigkeiten erworben haben:

• Implementierung von Computer-Vision-Pipelines mit OpenCV.
• Integration von Deep-Learning-Modellen für Objekterkennung und -klassifizierung.
• Nutzung visueller Daten zur Steuerung und Navigation von Robotern.
• Kombination klassischer Bildverarbeitungsalgorithmen mit tiefen neuronalen Netzen.
• Bereitstellung von Computer-Vision-Systemen auf eingebetteten und robotischen Plattformen.

Form des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Übungen mit OpenCV und TensorFlow.
• Livedemonstrationen an simulierten oder physischen robotischen Systemen.

Möglichkeiten zur individuellen Anpassung des Kurses

• Um eine maßgeschneiderte Schulung für diesen Kurs zu erhalten, kontaktieren Sie uns bitte, um entsprechende Vereinbarungen zu treffen.

Ein Bot oder Chatbot ist wie ein Computerassistent, der zur Automatisierung von Benutzerinteraktionen auf verschiedenen Messaging-Plattformen eingesetzt wird und Aufgaben schneller erledigt, ohne dass Nutzer mit einem anderen Menschen sprechen müssen.

In diesem unter Anleitung durchgeführten Live-Training lernen die Teilnehmer Schritt für Schritt, wie sie mit der Entwicklung eines Bots beginnen können, indem sie anhand von Beispiel-Chatbots arbeiten und dabei Bot-Entwicklungstools und -Frameworks verwenden.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die verschiedenen Einsatzmöglichkeiten und Anwendungsfälle von Bots zu verstehen
• Den vollständigen Prozess der Bot-Entwicklung nachzuvollziehen
• Different Tools und Plattformen zur Bot-Erstellung kennenzulernen
• Einen Beispiel-Chatbot für Facebook Messenger zu erstellen
• Einen Beispiel-Chatbot mit dem Microsoft Bot Framework zu entwickeln

Zielgruppe

• Entwickler, die daran interessiert sind, ihren eigenen Bot zu erstellen

Kursformat

• Vortrag, Diskussion, Übungen und intensive praktische Arbeit

Edge AI ermöglicht es, KI-Modelle direkt auf eingebetteten oder ressourcenbeschränkten Geräten auszuführen. Dies reduziert Latenz und Energieverbrauch und erhöht gleichzeitig die Autonomie und den Datenschutz in Robotersystemen.

Dieser dozentengeleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene eingebettete Entwickler und Robotikingenieure, die Machine-Learning-Inferenz- und Optimierungstechniken direkt auf robotischer Hardware mit TinyML und Edge-AI-Frameworks implementieren möchten.

Am Ende dieses Trainings werden die Teilnehmer: 

• die Grundlagen von TinyML und Edge AI für Robotik verstehen.
• KI-Modelle konvertieren und für die On-Device-Inferenz bereitstellen.
• Modelle für Geschwindigkeit, Größe und Energieeffizienz optimieren.
• Edge-AI-Systeme in robotische Steuerungsarchitekturen integrieren.
• Leistung und Genauigkeit in realen Szenarien bewerten.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Übungen mit TinyML- und Edge-AI-Toolchains.
• Praktische Aufgaben auf eingebetteten und robotischen Hardwareplattformen.

Möglichkeiten zur Kursanpassung

• Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese instructor-led, live Schulung in Österreich (online oder vor Ort) richtet sich an Teilnehmer auf Intermediate-Niveau, die die Rolle von Collaborative Robots (Cobots) und anderen menschzentrierten KI-Systemen in modernen Arbeitsplätzen erkunden möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Prinzipien der Menschzentrierten Physischen KI und deren Anwendungen zu verstehen.
• Die Rolle von Collaborative Robots bei der Steigerung der Arbeitsplatzproduktivität zu erkunden.
• Herausforderungen in der Mensch-Maschine-Interaktion zu identifizieren und anzugehen.
• Abläufe zu gestalten, die die Zusammenarbeit zwischen Menschen und KI-gesteuerten Systemen optimieren.
• Eine Kultur der Innovation und Anpassungsfähigkeit in KI-integrierten Arbeitsplätzen zu fördern.

Human-Robot Interaction (HRI): Voice, Gesture & Collaborative Control ist ein praxisorientierter Kurs, der Teilnehmende mit dem Design und der Implementierung intuitiver Schnittstellen für die Kommunikation zwischen Mensch und Roboter vertraut macht. Die Schulung kombiniert Theorie, Gestaltungsprinzipien und Programmierpraxis, um natürliche und reaktive Interaktionssysteme mittels Sprache, Gestik und gemeinsamer Steuerungstechniken aufzubauen. Teilnehmende lernen, wie sie Wahrnehmungsmodule integrieren, multimodale Eingabesysteme entwickeln und Roboter gestalten, die sicher mit Menschen zusammenarbeiten.

Diese von einer Schulungsleiterin oder einem Schulungsleiter geleitete Live-Schulung (online oder vor Ort) richtet sich an Teilnehmende mit Grundlagen- bis fortgeschrittenem Kenntnisstand, die Mensch-Roboter-Interaktionssysteme entwerfen und implementieren möchten, um Usability, Sicherheit und Benutzererfahrung zu verbessern.

Am Ende dieser Schulung können Teilnehmende:

• Die Grundlagen und Gestaltungsprinzipien der Mensch-Roboter-Interaktion verstehen.
• Sprachbasierte Steuerungs- und Antwortmechanismen für Roboter entwickeln.
• Gestenerkennung unter Anwendung von Computervision-Techniken implementieren.
• Systeme zur gemeinsamen Steuerung für sichere und geteilte Autonomie entwerfen.
• HRI-Systeme basierend auf Usability, Sicherheit und menschlichen Faktoren bewerten.

Format des Kurses

• Interaktive Vorträge und Demonstrationen.
• Praxisnahe Coding- und Designübungen.
• Praktische Experimente in Simulationsumgebungen oder mit realen Robotern.

Optionen zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Der Kurs „Industrierobotik-Automatisierung: ROS-SPS-Integration & Digitale Zwillinge“ ist ein praxisorientiertes Schulungsprogramm, das die industrielle Automatisierung mit modernen Robotik-Frameworks verbindet. Die Teilnehmer lernen, wie ROS-basierte Robotersysteme mit SPS (speicherprogrammierbare Steuerungen) für synchronisierte Abläufe integriert werden und erkunden digitale Zwillinge, um Produktionsprozesse zu simulieren, zu überwachen und zu optimieren. Der Kurs legt besonderen Wert auf Interoperabilität, Echtzeitsteuerung und prädiktive Analysen unter Verwendung digitaler Abbilder physischer Systeme.

Diese von Instruktoren geleitete Live-Schulung (online oder vor Ort) richtet sich an Fachkräfte auf mittlerem Niveau, die praktische Fähigkeiten im Verbinden von ROS-gesteuerten Robotern mit SPS-Umgebungen sowie in der Implementierung digitaler Zwillinge zur Optimierung von Automatisierungs- und Fertigungsprozessen aufbauen möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Kommunikationsprotokolle zwischen ROS- und SPS-Systemen zu verstehen.
• Echtzeit-Datenaustausch zwischen Robotern und industriellen Controllern zu implementieren.
• Digitale Zwillinge zur Überwachung, zum Testen und zur Prozesssimulation zu entwickeln.
• Sensoren, Aktoren und Roboter-Manipulatoren in industrielle Workflows zu integrieren.
• Industrieautomatisierungssysteme mit hybriden Simulationsumgebungen zu entwerfen und zu validieren.

Kursformat

• Interaktive Vorträge und Architektur-Durchgänge.
• Praxisübungen zur Integration von ROS- und SPS-Systemen.
• Implementierung von Simulations- und digitalen-Zwilling-Projekten.

Optionen zur Kursanpassung

• Um einen maßgeschneiderten Schulungskurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Diese instructor-led-Schulung Österreich (online oder vor Ort) richtet sich an Ingenieurinnen und Ingenieure, die sich mit der Anwendbarkeit künstlicher Intelligenz auf mechatronische Systeme vertraut machen möchten.

Am Ende dieser Schulung sind die Teilnehmenden in der Lage:

• Einen Überblick über Künstliche Intelligenz, Maschinelles Lernen und Computerintelligenz zu gewinnen.
• Die Konzepte neuronaler Netze sowie verschiedener Lernmethoden zu verstehen.
• KI-Ansätze effektiv für reale Probleme auszuwählen.
• KI-Anwendungen in der mechatronischen Ingenieurwissenschaft umzusetzen.

Multi-Robotersysteme und Schwarmintelligenz ist ein fortgeschrittenes Schulungsprogramm, das sich mit dem Entwurf, der Koordination und Steuerung von Roboterteams beschäftigt, die durch biologische Schwarmverhalten inspiriert sind. Die Teilnehmenden lernen, wie Interaktionen modelliert, verteilte Entscheidungsfindung implementiert und die Zusammenarbeit zwischen mehreren Akteuren optimiert wird. Das Programm kombiniert Theorie mit praktischer Simulation, um die Lernenden auf Anwendungen in Logistik, Verteidigung, Suche und Rettung sowie autonomer Exploration vorzubereiten.

Diese instructor-led-Trainingsveranstaltung (online oder vor Ort) richtet sich an professionelle Fachkräfte auf fortgeschrittenem Niveau, die Multi-Roboter- und schwarmbasierte Systeme mit Open-Source-Frameworks und Algorithmen entwerfen, simulieren und implementieren möchten.

Am Ende dieses Trainings sind die Teilnehmenden in der Lage:

• Die Prinzipien und Dynamiken der Schwarmintelligenz und kooperativen Robotik zu verstehen.
• Kommunikations- und Koordinationsstrategien für Multi-Roboter-Systeme zu entwerfen.
• Verteilte Entscheidungsfindung und Konsensalgorithmen zu implementieren.
• Kollektive Verhaltensweisen wie Formationsteuerung, Schwarmverhalten (Flocking) und Abdeckung zu simulieren.
• Schwarmbasierte Techniken auf reale Szenarien und Optimierungsprobleme anzuwenden.

Format des Kurses

• Fortgeschrittene Vorlesungen mit detaillierten Einblicken in Algorithmen.
• Praktisches Coding und Simulation in ROS 2 und Gazebo.
• Kooperatives Projekt zur Anwendung von Schwarmintelligenzprinzipien.

Optionen zur Kursoptionierung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu vereinbaren.

Dieses von Instruktoren geleitete Live-Training in Österreich (online oder vor Ort) richtet sich an Roboter-Ingenieure und KI-Forscher auf fortgeschrittenem Niveau, die multimodale KI nutzen möchten, um verschiedene sensorische Daten zu integrieren und dadurch autonomere und effizientere Roboter zu schaffen, die sehen, hören und tasten können.

Nach Abschluss dieses Trainings werden die Teilnehmer:

• Multimodale Sensorik in robotischen Systemen implementieren.
• KI-Algorithmen für Sensorfusion und Entscheidungsfindung entwickeln.
• Roboter erstellen, die komplexe Aufgaben in dynamischen Umgebungen ausführen können.
• Herausforderungen bei der Echtzeit-Datenverarbeitung und -Aktuation angehen.

Dieser vom Dozenten geleitete,Live-Trainingskurs in Österreich (online oder vor Ort) richtet sich an Teilnehmer auf mittlerem Niveau, die ihre Fähigkeiten im Design, in der Programmierung und dem Einsatz intelligenter robotischer Systeme für Automatisierung und darüber hinaus erweitern möchten.

Am Ende dieses Trainings werden die Teilnehmer:

• Die Prinzipien der physischen KI und deren Anwendungen in der Robotik und Automatisierung verstehen.
• Intelligente robotische Systeme für dynamische Umgebungen entwerfen und programmieren können.
• KI-Modelle für autonome Entscheidungsfindung in Robotern implementieren können.
• Simulationswerkzeuge für das Testen und Optimieren von Robotersystemen nutzen können.
• Herausforderungen wie Sensorfusion, Echtzeitverarbeitung und Energieeffizienz bewältigen können.

Reinforcement Learning (RL) ist ein Paradigma des maschinellen Lernens, bei dem Agenten durch Interaktion mit einer Umgebung lernen, Entscheidungen zu treffen. In der Robotik ermöglicht RL autonomen Systemen, adaptive Steuerungs- und Entscheidungsfähigkeiten durch Erfahrung und Feedback zu entwickeln.

Diese von Instruktoren geleitete Live-Schulung (online oder vor Ort) richtet sich an fortgeschrittene Maschinell-Lern-Ingenieure, Robotik-Forscher und Entwickler, die RL-Algorithmen in robotischen Anwendungen entwerfen, implementieren und bereitstellen möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die Prinzipien und die Mathematik des Reinforcement Learnings zu verstehen.
• RL-Algorithmen wie Q-Learning, DDPG und PPO zu implementieren.
• RL mit robotischen Simulationsumgebungen unter Verwendung von OpenAI Gym und ROS 2 zu integrieren.
• Roboter durch Versuch und Irrtum autonom komplexe Aufgaben ausführen zu lassen.
• Die Trainingsleistung mithilfe von Deep-Learning-Frameworks wie PyTorch zu optimieren.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Implementierung mit Python, PyTorch und OpenAI Gym.
• Praktische Übungen in simulierten oder physischen robotischen Umgebungen.

Anpassungsoptionen für den Kurs

• Falls Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, kontaktieren Sie uns bitte zur Vereinbarung.

Der Kurs "Roboter-Manipulation und Greifen mit Deep Learning" ist ein fortgeschrittenes Programm, das robotische Steuerungsmechanismen mit modernen maschinellen Lernverfahren verbindet. Die Teilnehmer werden untersuchen, wie Deep Learning die Wahrnehmung, Bewegungsplanung und das geschickte Greifen in Robotersystemen verbessern kann. Anhand von Theorie, Simulationen und praktischen Codierungsübungen führt der Kurs die Lernenden von der wahrnehmungsorientierten Steuerung zur durchgängigen Richtlinienerlernung (End-to-End Policy Learning) für Manipulationsaufgaben.

Diese von Instruktoren geleitete Live-Schulung (online oder vor Ort) richtet sich an Fachleute auf fortgeschrittenem Niveau, die Deep-Learning-Methoden anwenden möchten, um eine intelligente, adaptive und präzise Roboter-Manipulation zu ermöglichen.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Wahrnehmungsmodelle für die Objekterkennung und Pose-Schätzung zu entwickeln.
• Neuronale Netze für das Erkennen von Greifstellungen und die Bewegungsplanung zu trainieren.
• Deep-Learning-Module mit Robotik-Controllern unter ROS 2 zu integrieren.
• Greif- und Manipulationsstrategien in virtuellen Umgebungen zu simulieren und zu bewerten.
• Gelernte Modelle auf realen oder simulierten Roboterarmen bereitzustellen und zu optimieren.

Kursformat

• Von Experten geleitete Vorlesungen und tiefgehende Analysen von Algorithmen.
• Praxisnahe Codierungs- und Simulationsübungen.
• Projektbasierte Implementierung und Tests.

Optionen zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Intelligente Robotik umfasst die Integration künstlicher Intelligenz in robotische Systeme zur Verbesserung der Wahrnehmung, Entscheidungsfindung und autonomen Steuerung.

Diese von einem Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an fortgeschrittene Robotikingenieure, Systemintegratoren und Automatisierungsleiter, die KI-gestützte Wahrnehmungs-, Planungs- und Steuerungskonzepte in intelligenten Fertigungsumgebungen implementieren möchten.

Am Ende dieser Schulung können die Teilnehmer:

• KI-Techniken für robotische Wahrnehmung und Sensorfusion verstehen und anwenden.
• Bewegungsplanungsalgorithmen für kollaborative und industrielle Roboter entwickeln.
• Lernbasierte Steuerungsstrategien für Echtzeit-Entscheidungen einsetzen.
• Intelligente robotische Systeme in smarte Fertigungsabläufe integrieren.

Form der Schulung

• Interaktive Vorträge und Diskussionen.
• Zahlreiche Übungen und Praxisphasen.
• Praktische Umsetzung in einer Live-Laborumgebung.

Möglichkeiten zur Kursanpassung

• Um eine maßgeschneiderte Schulung für diesen Kurs zu beantragen, kontaktieren Sie uns bitte zur Abstimmung.