Physical AI for Robotics and Automation

• Podstawowa wiedza z zakresu robotyki i systemów automatyki
• Biegła znajomość programowania, najlepiej Python
• Znajomość podstaw sztucznej inteligencji

Publiczność

• Inżynierowie Robotics
• Specjaliści ds. automatyzacji
• Programiści AI

Physical AI łączy sztuczną inteligencję i robotykę w celu tworzenia maszyn zdolnych do autonomicznego podejmowania decyzji i interakcji z ich fizycznym otoczeniem.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla średnio zaawansowanych uczestników, którzy chcą zwiększyć swoje umiejętności w zakresie projektowania, programowania i wdrażania inteligentnych systemów robotycznych do automatyzacji i nie tylko.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumieć zasady Physical AI i jego zastosowania w robotyce i automatyce.
• Projektować i programować inteligentne systemy robotyczne dla dynamicznych środowisk.
• Wdrażać modele sztucznej inteligencji do autonomicznego podejmowania decyzji w robotach.
• Wykorzystywać narzędzia symulacyjne do testowania i optymalizacji robotów.
• Podejmowanie wyzwań, takich jak fuzja czujników, przetwarzanie w czasie rzeczywistym i efektywność energetyczna.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami.

Wprowadzenie do Physical AI i Robotics

• Przegląd Physical AI i jego ewolucja
• Zastosowania w automatyce przemysłowej i nie tylko
• Kluczowe komponenty inteligentnych systemów zrobotyzowanych

Projektowanie systemu Robotics

• Mechaniczne zasady projektowania robotów
• Integracja czujników i siłowników
• Systemy zasilania i efektywność energetyczna

Modele sztucznej inteligencji dla Robotics

• Wykorzystanie uczenia maszynowego do percepcji i podejmowania decyzji
• Uczenie ze wzmocnieniem w robotyce
• Tworzenie potoków sztucznej inteligencji dla systemów robotycznych

Integracja czujników w czasie rzeczywistym

• Techniki łączenia czujników
• Przetwarzanie danych z LiDAR, kamer i innych czujników
• Nawigacja w czasie rzeczywistym i unikanie przeszkód

Symulacja i testowanie

• Korzystanie z narzędzi symulacyjnych, takich jak Gazebo i MATLAB Robotics Toolbox
• Modelowanie dynamicznych środowisk
• Ocena wydajności i optymalizacja

Automatyzacja i wdrażanie

• Roboty dla automatyki przemysłowej Programming
• Opracowywanie przepływów pracy dla powtarzalnych zadań
• Zapewnienie bezpieczeństwa i niezawodności wdrożeń

Zaawansowane tematy i przyszłe trendy

• Roboty współpracujące (coboty) i interakcja człowiek-robot
• Kwestie etyczne i regulacyjne w robotyce
• Przyszłość Physical AI w automatyzacji

Podsumowanie i kolejne kroki