Smart Robots for Developers

• Doświadczenie w programowaniu w języku C++
• Doświadczenie w programowaniu w Python
• Doświadczenie z linią poleceń systemu Linux

Inteligentny robot to system sztucznej inteligencji (AI), który może uczyć się ze swojego środowiska i doświadczenia oraz budować swoje możliwości w oparciu o tę wiedzę. Roboty inteligentne Smart Robots mogą współpracować z ludźmi, pracując obok nich i ucząc się na podstawie ich zachowań. Co więcej, są one w stanie wykonywać nie tylko pracę fizyczną, ale także zadania kognitywne. Oprócz robotów fizycznych, Smart Robots mogą być również oparte wyłącznie na oprogramowaniu, rezydując w komputerze jako aplikacja bez ruchomych części lub fizycznej interakcji ze światem.

W tym prowadzonym przez instruktora szkoleniu na żywo uczestnicy poznają różne technologie, ramy i techniki programowania różnych typów mechanicznych Smart Robots, a następnie wykorzystają tę wiedzę do realizacji własnych projektów inteligentnych robotów.

Kurs podzielony jest na 4 sekcje, z których każda składa się z trzech dni wykładów, dyskusji i praktycznego rozwoju robotów w środowisku laboratoryjnym. Każda sekcja zakończy się praktycznym projektem, który pozwoli uczestnikom przećwiczyć i zademonstrować zdobytą wiedzę.

Docelowy sprzęt dla tego kursu będzie symulowany w 3D za pomocą oprogramowania symulacyjnego. Do programowania robotów zostaną wykorzystane ROS (Robot Operating System), C++ i Python.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumienie kluczowych pojęć stosowanych w technologiach robotycznych
• rozumieć i zarządzać interakcją między oprogramowaniem a sprzętem w systemie zrobotyzowanym
• Zrozumienie i wdrożenie komponentów oprogramowania, które stanowią podstawę Smart Robots
• Zbudowanie i obsługa symulowanego mechanicznego inteligentnego robota, który może widzieć, wyczuwać, przetwarzać, chwytać, nawigować i wchodzić w interakcje z ludźmi za pomocą głosu.
• Rozszerzenie zdolności inteligentnego robota do wykonywania złożonych zadań poprzez Deep Learning
• Testowanie i rozwiązywanie problemów inteligentnego robota w realistycznych scenariuszach

Publiczność

• Deweloperzy
• Inżynierowie

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Uwaga

• Aby dostosować dowolną część tego kursu (język programowania, model robota itp.), skontaktuj się z nami w celu ustalenia szczegółów.

Sekcja 01

Dzień 01
Wprowadzenie

• Co sprawia, że inteligentny robot jest inteligentny?

Fizyczny a wirtualny Smart Robots

• Smart Robots, inteligentne maszyny, czujące maszyny i Robotic Process Automation (RPA) itp.

Rola Artificial Intelligence (AI) w Smart Robots

• Poza "if-then-else" i maszyną uczącą się
• Algorytmy stojące za sztuczną inteligencją
• Sztuczna inteligencja w Smart Robots: uczenie maszynowe, wizja komputerowa, przetwarzanie języka naturalnego (NLP) itp.
• Robotyka kognitywna

Rola Big Data w Smart Robots

• Podejmowanie decyzji na podstawie danych i wzorców

Chmura i Smart Robots

• Łączenie robotyki z IT
• Budowanie bardziej funkcjonalnych robotów, które mają dostęp do większej ilości informacji i współpracują ze sobą

Studium przypadku: Mechaniczne Smart Robots

• Przemysłowy Smart Robots
  • Baxter
• Roboty do usług osobistych
  • Roboty domowe pomagające osobom starszym, inteligentne samochody autonomiczne
• Profesjonalne roboty usługowe
  • Roboty rolnicze w operacjach dziennikowych

Elementy sprzętowe inteligentnego robota

• Silniki, czujniki, mikrokontrolery, kamery itp.

Wspólne Element z Smart Robots

• Widzenie maszynowe, rozpoznawanie głosu, synteza mowy, wykrywanie bliskości, wykrywanie nacisku itp.

Ramy programistyczne dla Programming inteligentnego robota

• Otwarte i komercyjne ramy
• System operacyjny robota (ROS)
  • Architektura: obszar roboczy, tematy, wiadomości, usługi, węzły, biblioteki akcji, narzędzia itp.

Languages dla Programming inteligentnego robota

• C++ dla kontroli niskiego poziomu
• Python dla orkiestracji
• Programming ROS węzły w Python i C ++
• Inne języki

Narzędzia do symulacji fizycznego inteligentnego robota

• Komercyjne i otwarte oprogramowanie do symulacji i wizualizacji 3D

Przygotowanie środowiska programistycznego

• Instalacja i konfiguracja oprogramowania
• Przydatne pakiety i narzędzia

Dzień 02
Inteligentny robot Programming

• Programming węzeł w Python i C ++
• Zrozumienie węzła ROS
• Wiadomości i tematy w ROS
• Paradygmat publikacji / subskrypcji
• Projekt: Bump & Go z prawdziwym robotem
• Rozwiązywanie problemów
• Symulacja robotów z Gazebo / ROS
• Ramki w ROS i zmiany odniesienia
• Przetwarzanie informacji 2D z kamer z OpenCV
• Przetwarzanie informacji lasera
• Projekt: Bezpieczne śledzenie obiektów według koloru
• Rozwiązywanie problemów

Dzień 03
Programming Inteligentny robot (ciąg dalszy...)

• Usługi w ROS
• Przetwarzanie informacji 3D z czujników RGB-D za pomocą PCL
• Mapy i nawigacja z ROS
• Project: Wyszukiwanie obiektów w otoczeniu
• Rozwiązywanie problemów

Sekcja 02

Dzień 04
Programming Inteligentny robot (ciąg dalszy...)

• ActionLib
• Speech Recognition i generowanie mowy
• Sterowanie ramionami robota za pomocą MoveIt!
• Sterowanie szyją robota dla aktywnego widzenia
• Projekt: Wyszukiwanie i zbieranie obiektów
• Rozwiązywanie problemów

Testowanie inteligentnego robota

• Testowanie jednostkowe

Dzień 05
Rozszerzanie możliwości inteligentnego robota za pomocą Deep Learning

• Percepcja - wizja, dźwięk i haptyka
• Reprezentacja wiedzy
• Rozpoznawanie głosu poprzez NLP (przetwarzanie języka naturalnego)
• Wizja komputerowa

Przyspieszony kurs Deep Learning

• Sztuczne Neural Networks (ANN)
• Sztuczne Neural Networks vs. Bio logiczne Neural Networks
• Feedforward Neural Networks
• Funkcje aktywacji
• Trening sztucznych Neural Networks

Dzień 06
Przyspieszony kurs Deep Learning (ciąg dalszy...)

• Modele Deep Learning
  • Sieci konwolucyjne i sieci rekurencyjne
• Sieci konwolucyjne Neural Networks (CNN lub ConvNets)
  • Warstwa konwolucyjna
  • Warstwa łączenia
  • Architektura sieci konwolucyjnych Neural Networks

Sekcja 03

Dzień 07
Przyspieszony kurs Deep Learning (ciąg dalszy...)

• Architektura rekurencyjna Neural Networks (RNN)
  • Trenowanie RNN
  • Stabilizacja gradientów podczas treningu
  • Sieci z długą pamięcią krótkotrwałą
• Platformy i biblioteki oprogramowania Deep Learning
  • Deep Learning w ROS

Dzień 08
Używanie Big Data w inteligentnym robocie

• Koncepcje dużych zbiorów danych
• Podejścia do analizy danych
• Narzędzia Big Data
• Rozpoznawanie wzorców w danych
• Ćwiczenie: NLP i Computer Vision na dużych zbiorach danych

Dzień 09
Wykorzystanie Big Data w inteligentnym robocie (ciąg dalszy...)

• Rozproszone przetwarzanie dużych zbiorów danych
• Współistnienie i wzajemna wymiana Big Data i Robotics
• Inteligentny robot jako generator danych
  • Czujniki pomiaru zasięgu, położenia, wizualne, dotykowe i inne modalności
• Nadawanie sensu danym sensorycznym (pętla sens-plan-działanie)
• Ćwiczenie: Przechwytywanie danych strumieniowych

Sekcja 04

Dzień 10
Programming Autonomiczny Deep Learning Inteligentny robot

• Komponenty robota Deep Learning
• Konfigurowanie symulatora robota
• Uruchamianie sieci neuronowej z akceleracją CUDA w aplikacji Cafe
• Rozwiązywanie problemów

Dzień 11
[Autonomiczny Deep Learning inteligentny robot (ciąg dalszy...)

• Rozpoznawanie obiektów na zdjęciach lub strumieniach wideo
• Włączanie wizji komputerowej za pomocą OpenCV
• Rozwiązywanie problemów

Dzień 12
Analiza danych

• Używanie inteligentnego robota do zbierania i organizowania nowych danych

Wspólne tworzenie inteligentnego robota

Wdrażanie inteligentnego robota na fizycznym sprzęcie

Monitorowanie i serwisowanie Smart Robots w terenie

Zabezpieczanie robota

• Zapobieganie nieautoryzowanym manipulacjom
• Zapobieganie hakerom przeglądania i kradzieży poufnych danych biznesowych (kart kredytowych, informacji o pracownikach itp.)

Dołączanie do społeczności Robotics

Przyszłość Outlook dla Smart Robots

Uwagi końcowe