Edge AI and Robotics: Enabling Autonomous Systems

• Zrozumienie modeli sztucznej inteligencji i uczenia maszynowego
• Doświadczenie z systemami wbudowanymi lub robotyką
• Podstawowa znajomość obliczeń w czasie rzeczywistym

Publiczność

• Inżynierowie Robotics
• Programiści AI
• Specjaliści ds. automatyzacji

Edge AI rewolucjonizuje robotykę, umożliwiając podejmowanie decyzji w czasie rzeczywistym w systemach autonomicznych.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla inżynierów robotyki na poziomie średnim i zaawansowanym, programistów AI i specjalistów automatyki, którzy chcą wdrożyć Edge AI do zastosowań w robotyce.

Pod koniec tego szkolenia uczestnicy będą mogli

• Zrozumieć rolę Edge AI w systemach autonomicznych.
• Wdrażać modele AI na urządzeniach brzegowych dla robotyki w czasie rzeczywistym.
• Zoptymalizować wydajność sztucznej inteligencji pod kątem podejmowania decyzji z niskim opóźnieniem.
• Zintegrować wizję komputerową i fuzję czujników dla autonomii robotów.

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 w celu ustalenia szczegółów.

Wprowadzenie do Edge AI w Robotics

• Czym jest Edge AI?
• Dlaczego Edge AI jest niezbędne dla robotyki
• Wyzwania związane ze sztuczną inteligencją w czasie rzeczywistym w systemach autonomicznych

Wdrażanie modeli AI na urządzeniach brzegowych

• Wnioskowanie AI na NVIDIA Jetson i innym sprzęcie brzegowym
• Korzystanie z TensorFlow Lite i ONNX do wdrażania na urządzeniach brzegowych
• Optymalizacja modeli AI do wykonywania w czasie rzeczywistym

Percepcja w czasie rzeczywistym dla systemów autonomicznych

• Wizja komputerowa dla nawigacji robotów
• Fuzja czujników: LiDAR, kamery i jednostki IMU
• Edge AI do wykrywania i śledzenia obiektów

Podejmowanie decyzji i kontrola w Robotics

• Uczenie ze wzmocnieniem dla zachowań autonomicznych
• Planowanie ścieżki i unikanie przeszkód
• Optymalizacja opóźnień w systemach AI czasu rzeczywistego

Integracja sztucznej inteligencji z ROS (systemem operacyjnym robota)

• Przegląd ROS i jego ekosystemu
• Uruchamianie modeli percepcji opartych na sztucznej inteligencji w ROS
• Edge AI w aplikacjach robotów wielorobotowych i roju robotów

Optymalizacja sztucznej inteligencji dla systemów robotycznych o niskim poborze mocy

• Wydajne architektury sieci neuronowych dla robotyki
• Zmniejszenie zużycia energii w robotach opartych na sztucznej inteligencji
• Wdrażanie sztucznej inteligencji na platformach robotycznych zasilanych bateryjnie

Zastosowania w świecie rzeczywistym i przyszłe trendy

• Autonomiczne drony i roboty przemysłowe
• Robotyczni asystenci wykorzystujący sztuczną inteligencję
• Przyszłe postępy w Edge AI dla robotyki

Podsumowanie i kolejne kroki