Schulungsübersicht
Woche 01
Einführung
-
Was macht einen Roboter intelligent?
Physische und virtuelle Roboter
-
Smart Robots, "Smart Machines", "Sentient Machines" und "Robotic Process Automation" (RPA), usw.
Die Rolle der Künstlichen Intelligenz (KI) in Robotics
-
Jenseits von "wenn-dann-else" und der lernenden Maschine
Die Algorithmen hinter der KI
Maschinelles Lernen, Computer Vision, Verarbeitung natürlicher Sprache (NLP), etc.
Kognitive Robotik
Die Rolle von Big Data in Robotics
-
Entscheidungsfindung auf der Grundlage von Daten und Mustern
Die Cloud und Robotics
-
Verknüpfung von Robotik und IT
Bau von funktionelleren Robotern, die auf mehr Informationen zugreifen und zusammenarbeiten können
Fallstudie: Industrieroboter
-
Mechanische Roboter
Baxter
Gemeinsame Elements von Robotern
-
Maschinelles Sehen, Spracherkennung, Sprachsynthese, Näherungssensorik, Drucksensorik usw.
Entwicklungsframeworks für Programming einen Roboter
-
Open Source und kommerzielle Frameworks
Roboter-Betriebssystem (ROS)
Architektur: Arbeitsbereich, Themen, Nachrichten, Dienste, Knoten, Aktionsbibliotheken, Werkzeuge, usw.
Sprachen für Programming einen Roboter
-
C++ für die Steuerung auf niedriger Ebene
Python für die Orchestrierung
Programmierung ROS von Knoten in Python und C ++
Andere Sprachen
Werkzeuge für die Simulation eines physischen Roboters
-
Kommerzielle und quelloffene 3D-Simulations- und Visualisierungssoftware
-
Woche 02
Vorbereiten der Entwicklungsumgebung
Installation und Einrichtung von Software Nützliche Pakete und Dienstprogramme
Fallstudie: Mechanische Roboter
-
Roboter im Bereich der Kerntechnik
Roboter in der Umwelttechnik
Programming der Roboter
-
Programmierung eines Knotens in Python und C ++
Verstehen des ROS-Knotens
Nachrichten und Themen in ROS
Veröffentlichung / Abonnement-Paradigma
Projekt: Bump & Go mit echtem Roboter
Fehlersuche
Simulation von Robotern mit Gazebo / ROS
Frames in ROS und Referenzänderungen
2D-Informationsverarbeitung von Kameras mit OpenCV
Informationsverarbeitung eines Lasers
Projekt: Sichere Verfolgung von Objekten nach Farbe
Fehlersuche
-
Woche 03
Programming der Roboter (Fortsetzung...)
Dienstleistungen in ROS 3D-Informationsverarbeitung von RGB-D-Sensoren mit PCL Karten und Navigation mit ROS Projekt: Search für Objekte in der Umgebung Fehlersuche
Programming der Roboter (Fortsetzung...)
-
ActionLib
Speech Recognition und Spracherzeugung
Steuerung von Roboterarmen mit MoveIt!
Steuerung von Roboternacken für aktives Sehen
Projekt: Suchen und Sammeln von Objekten
Fehlersuche
Testen des Roboters
-
Einheitliche Prüfung
-
Woche 04
Erweiterung der Fähigkeiten eines Roboters mit Deep Learning
Wahrnehmung - Sehen, Hören und Haptik Darstellung von Wissen Spracherkennung durch NLP (Natural Language Processing) Computer Sehen
Crashkurs in Deep Learning
-
Künstlich Neural Networks (ANNs)
Künstlich Neural Networks vs. Biologisch Neural Networks
Vorwärtskopplung Neural Networks
Aktivierungsfunktionen
Training Künstlich Neural Networks
Crashkurs in Deep Learning (Fortsetzung...)
-
Deep Learning Modelle
Faltungsnetze und rekurrente Netze
Faltungsnetzwerke Neural Networks (CNNs oder ConvNets) Faltungsschicht
-
Pooling-Schicht
Rekurrent Neural Networks (RNN) Training eines RNN Stabilisierung der Gradienten während des Trainings Netzwerke mit langem Kurzzeitgedächtnis
Plattformen und Software-Bibliotheken für Deep Learning Deep Learning in ROS
Verwendung von Big Data in Ihrem Roboter
-
Big Data-Konzepte
Ansätze zur Datenanalyse
Big-Data-Werkzeuge
Erkennen von Mustern in den Daten
Übung: NLP und Computer Vision auf großen Datensätzen
Sinnhaftigkeit der sensorischen Daten (Sinnes-Plan-Handlungs-Schleife)
-
Übung: Erfassen von Streaming-Daten
Programming ein autonomer Roboter mit Deep Learning
-
Deep Learning Komponenten des Roboters
Einrichten des Robotersimulators
Ausführen eines CUDA-beschleunigten neuronalen Netzwerks mit Cafe
Fehlersuche
Erkennung von Objekten in Fotos oder Videoströmen Ermöglichung von Computer Vision mit OpenCV Fehlersuche
-
Datenanalyse
Einsatz des Roboters zur Sammlung und Organisation neuer Daten Werkzeuge und Prozesse für die Auswertung der Daten
Einsatz eines Roboters
Überführung eines simulierten Roboters in physische Hardware Einsatz des Roboters in der realen Welt Überwachung und Wartung von Robotern in der Praxis
-
Sichern des Roboters
Verhinderung unbefugter Manipulationen Verhinderung der Einsichtnahme und des Diebstahls sensibler Daten durch Hacker
-
Gemeinsamer Bau eines Roboters
Bau eines Roboters in der Cloud Beitritt zur Robotik-Community
-
Zukunft Outlook für Roboter im Bereich Wissenschaft und Energie
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Programmiererfahrung in C oder C++
- Programmiererfahrung in Python (nützlich, aber nicht notwendig; kann im Rahmen des Kurses vermittelt werden)
- Erfahrungen mit der Linux-Kommandozeile
Publikum
- Entwickler
- Ingenieure
- Wissenschaftler
- Techniker
Erfahrungsberichte (1)
Good conceptual explanations followed by good example exercises