Schulungsübersicht
Grundlagen von TinyML für die Robotik
- Kernfähigkeiten und Einschränkungen von TinyML
- Rolle des Edge AI in autonomen Systemen
- Hardwareanforderungen für mobile Roboter und Drohnen
Embedded-Hardware und Sensorkontakte
- Mikrocontroller und Embedded-Boards für die Robotik
- Integration von Kameras, IMUs und Näherungssensoren
- Energie- und Rechenbudgetplanung
Datenverarbeitung für robotergestützte Wahrnehmung
- Sammeln und Labeln von Daten für Robotikaufgaben
- Techniken zur Vorverarbeitung von Signalen und Bildern
- Strategien zur Merkmalsextraktion für eingeschränkte Geräte
Modellentwicklung und -optimierung
- Auswahl von Architekturen für Wahrnehmung, Erkennung und Klassifizierung
- Trainingspipelines für Embedded ML
- Modellkompression, Quantisierung und Latenzoptimierung
On-Device-Wahrnehmung und Steuerung
- Ausführung der Inferenz auf Mikrocontrollern
- Fusion von TinyML-Ausgaben mit Steuerungsalgorithmen
- Echtzeit-Sicherheit und Reaktionsfähigkeit
Verbesserungen der autonomen Navigation
- Leichte, visionsbasierte Navigation
- Erkennung und Vermeidung von Hindernissen
- Umweltbewusstsein bei ressourcenbegrenzten Bedingungen
Test und Validierung von TinyML-gesteuerten Robotern
- Simulationswerkzeuge und Feldtestverfahren
- Leistungsindikatoren für Embedded-Autonomie
- Fehlerbehebung und iterative Verbesserung
Integration in Robotik-Plattformen
- Bereitstellung von TinyML innerhalb von ROS-basierten Pipelines
- Schnittstellen von ML-Modellen mit Motorkontrollern
- Sicherung der Zuverlässigkeit über Hardwarevarianten hinweg
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis der Architekturen von Robotik-Systemen
- Erfahrung mit Embedded-Entwicklung
- Vertrautheit mit Konzepten des maschinellen Lernens
Zielgruppe
- Robotik-Ingenieure
- KI-Forscher
- Embedded-Entwickler
Erfahrungsberichte (2)
Bereitstellung der Materialien (virtuelle Maschine), um direkt mit den Übungen zu beginnen, sowie Erläuterung der ROS2-Kernkonzepte. Warum bestimmte Dinge auf eine bestimmte Weise funktionieren.
Arjan Bakema
Kurs - Autonomous Navigation & SLAM with ROS 2
Maschinelle Übersetzung
sein Wissen und die Nutzung von KI für Robotik in der Zukunft.
Ryle - PHILIPPINE MILITARY ACADEMY
Kurs - Artificial Intelligence (AI) for Robotics
Maschinelle Übersetzung