Intrati in legatura

Schița de curs

Introducere în AI și Robotică

  • Prezentare generală a convergenței dintre robotica modernă și AI
  • Aplicații în sisteme autonome, drone și roboți de serviciu
  • Componente cheie ale AI: percepție, planificare și control

Configurarea Mediului de Dezvoltare

  • Instalarea Python, ROS 2, OpenCV și TensorFlow
  • Utilizarea Gazebo sau Webots pentru simularea roboților
  • Lucrul cu Jupyter Notebooks pentru experimente AI

Percepție și Computer Vision

  • Utilizarea camerelor și senzorilor pentru percepție
  • Clasificarea imaginilor, detecția obiectelor și segmentarea folosind TensorFlow
  • Detectarea muchiilor și urmărirea contururilor cu OpenCV
  • Streaming și procesare de imagini în timp real

Localizare și Sensor Fusion

  • Înțelegerea roboticii probabilistice
  • Filtre Kalman și Filtre Kalman Extinse (EKF)
  • Filtre Particle pentru medii non-liniare
  • Integrarea datelor LiDAR, GPS și IMU pentru localizare

Planificarea Mișcării și Găsirea Traseului

  • Algoritmi de planificare a traseului: Dijkstra, A* și RRT*
  • Evitarea obstacolelor și maparea mediului
  • Controlul mișcării în timp real folosind PID
  • Optimizarea dinamică a traseului folosind AI

Reinforcement Learning pentru Robotică

  • Fundamentele reinforcement learning
  • Proiectarea comportamentelor robotice bazate pe recompense
  • Q-learning și Deep Q-Networks (DQN)
  • Integrarea agenților RL în ROS pentru mișcare adaptivă

Simultaneous Localization and Mapping (SLAM)

  • Înțelegerea conceptelor și fluxurilor de lucru SLAM
  • Implementarea SLAM cu pachete ROS (gmapping, hector_slam)
  • SLAM vizual folosind OpenVSLAM sau ORB-SLAM2
  • Testarea algoritmilor SLAM în medii simulate

Subiecte Avansate și Integrare

  • Recunoașterea vorbirii și a gesturilor pentru interacțiunea om-robot
  • Integrarea cu platforme IoT și cloud robotics
  • Întreținere predictivă bazată pe AI pentru roboți
  • Etică și siguranță în robotica activată de AI

Proiect Final

  • Proiectarea și simularea unui robot mobil inteligent
  • Implementarea navigației, percepției și controlului mișcării
  • Demonstrarea procesului decizional în timp real folosind modele AI

Rezumat și Pașii Următori

  • Recapitularea tehnicilor cheie de AI în robotică
  • Tendințe viitoare în robotica autonomă
  • Resurse pentru învățare continuă

Cerințe

  • Experiență de programare în Python sau C++
  • Înțelegere de bază a computer science și ingineriei
  • Familiaritate cu concepte de probabilitate, calcul diferențial și algebră liniară

Audiență

  • Ingineri
  • Pasionați de robotică
  • Cercetători în automatizare și AI
 21 Ore

Numărul de participanți


Pret per participant

Mărturii (1)

Cursuri viitoare

Categorii înrudite