AI for Robotics Schulungen in Bern

Praktisches Rapid Prototyping für Robotik mit ROS 2 & Docker ist ein praxisorientierter Kurs, der Entwicklern helfen soll, Roboteranwendungen effizient zu erstellen, zu testen und bereitzustellen. Die Teilnehmer lernen, wie man Roboterumgebungen containerisieren, ROS 2-Pakete integrieren und modulare Robotersysteme mit Docker für Wiederholbarkeit und Skalierbarkeit prototypisieren kann. Der Kurs legt den Fokus auf Agilität, Versionskontrolle und Zusammenarbeitstechniken, die sich für Entwicklungsteams in frühen Entwicklungsphasen und Innovationsteams eignen.

Diese von einem Dozenten geleitete Live-Trainingsveranstaltung (online oder vor Ort) richtet sich an Anfänger bis hin zu fortgeschrittenen Teilnehmern, die Roboterentwicklungsworkflows mit ROS 2 und Docker beschleunigen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Eine ROS 2-Entwicklungsumgebung in Docker-Containern einzurichten.
• Roboterprototypen in modularen und wiederholbaren Setup zu entwickeln und zu testen.
• Simulationswerkzeuge zur Validierung des Systemverhaltens vor der Hardwarebereitstellung zu verwenden.
• Effektiv zusammenzuarbeiten, indem sie containerisierte Roboterprojekte nutzen.
• Konzepte des kontinuierlichen Integrations- und Bereitstellungsprozesses in Robotikpipelines anzuwenden.

Kursformat

• Interaktive Vorlesungen und Demonstrationen.
• Praxisübungen mit ROS 2- und Docker-Umgebungen.
• Mini-Projekte, die sich auf realweltliche Roboteranwendungen konzentrieren.

Kursanpassungsoptionen

• Für eine angepasste Schulung für diesen Kurs kontaktieren Sie uns bitte, um die Anforderungen abzustimmen.

Mensch-Roboter-Interaktion (HRI): Stimme, Gesten & kollaborative Steuerung ist ein praxisorientierter Kurs, der Teilnehmern die Gestaltung und Implementierung intuitiver Schnittstellen für die Kommunikation zwischen Menschen und Robotern einführt. Die Ausbildung kombiniert Theorie, Designprinzipien und Programmierpraxis, um natürliche und reaktive Interaktionssysteme mit Hilfe von Sprache, Gesten und geteilten Steuerungsverfahren zu erstellen. Teilnehmer lernen, wie sie Wahrnehmungsmodule integrieren, multimodale Eingabesysteme entwickeln und Roboter gestalten, die sicher mit Menschen zusammenarbeiten.

Diese von einem Dozenten geleitete Live-Ausbildung (online oder vor Ort) richtet sich an Anfänger- bis Mittelstufen-Teilnehmer, die mensch-roboter-interaktive Systeme gestalten und implementieren möchten, um Nutzbarkeit, Sicherheit und Benutzerfreundlichkeit zu verbessern.

Am Ende dieser Ausbildung werden die Teilnehmer in der Lage sein:

• Die Grundlagen und Designprinzipien der Mensch-Roboter-Interaktion zu verstehen.
• Sprachbasierte Steuerungs- und Reaktionsmechanismen für Roboter zu entwickeln.
• Gestenerkennung mit Hilfe von Computer-Vision-Techniken umzusetzen.
• Kollaborative Steuerungssysteme für sichere und geteilte Autonomie zu gestalten.
• HRI-Systeme auf Grundlage von Nutzbarkeit, Sicherheit und menschlichen Faktoren zu bewerten.

Kursformat

• Interaktive Vorlesungen und Demonstrationen.
• Praktische Programmier- und Designübungen.
• Praktische Experimente in Simulations- oder realen Robotikumgebungen.

Kursanpassungsmöglichkeiten

• Für eine angepasste Ausbildung zu diesem Kurs wenden Sie sich bitte an uns, um die Anforderungen abzuklären.

Industrielle Roboterautomatisierung: ROS-PLC-Integration & Digitale Zwillinge ist ein praxisorientierter Kurs, der sich auf die Verbindung von industrieller Automatisierung mit modernen Robotikframeworks konzentriert. Die Teilnehmer lernen, ROS-basierte Robotersysteme mit PLCs für synchronisierte Vorgänge zu integrieren und digitale Zwillingsumgebungen zu erforschen, um Produktionsschritte zu simulieren, zu überwachen und zu optimieren. Der Kurs legt den Schwerpunkt auf Interoperabilität, Echtzeitsteuerung und vorhersagende Analyse unter Verwendung digitaler Repliken physischer Systeme.

Diese von einem Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Fachkräfte, die praktische Fähigkeiten im Vernetzen von ROS-gesteuerten Robotern mit PLC-Umgebungen und der Implementierung digitaler Zwillinge zur Optimierung von Automatisierungs- und Fertigungsprozessen erwerben möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Kommunikationsprotokolle zwischen ROS- und PLC-Systemen zu verstehen.
• Echtzeitdatenaustausch zwischen Robotern und industriellen Steuerungen umzusetzen.
• Digitale Zwillinge zur Überwachung, Testung und Prozesssimulation zu entwickeln.
• Sensoren, Aktuatoren und robotische Manipulatoren in industrielle Arbeitsabläufe zu integrieren.
• Industrielle Automatisierungssysteme unter Verwendung hybrider Simulationsumgebungen zu entwerfen und zu validieren.

Kursformat

• Interaktive Vorlesung und Architektur-Überblicke.
• Praktische Übungen zur Integration von ROS- und PLC-Systemen.
• Simulation und Implementierung von digitalen Zwillingprojekten.

Kursanpassungsoptionen

• Für eine angepasste Schulung zu diesem Kurs kontaktieren Sie uns bitte, um die Anordnung vorzunehmen.

Robot Manipulation und Greifen mit Deep Learning ist ein fortgeschrittenes Kurs, der robotisches Kontrollelement mit modernen maschinelles Lernenstechniken verbindet. Die Teilnehmer erforschen, wie tiefes Lernen die Wahrnehmung, Bewegungsplanung und zielgerichtete Greifbewegungen in Robotersystemen verbessern kann. Durch Theorie, Simulation und praktische Programmieraufgaben führt der Kurs die Lernenden von wahrnehmungsbasiertem Kontrollelement bis hin zu end-to-end-Politiklernen für Manipulationsaufgaben.

Diese von einem Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Fachkräfte, die tiefes Lernen einsetzen möchten, um intelligente, flexibel und präzise robotische Manipulation zu ermöglichen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Wahrnehmungsmodelle für Objekterkennung und Pose-Schätzung zu entwickeln.
• Neuronale Netze für Greifdetektion und Bewegungsplanung zu trainieren.
• Tiefelernende Module mit Robotikcontrollern unter ROS 2 zu integrieren.
• Greif- und Manipulationsstrategien in virtuellen Umgebungen zu simulieren und zu bewerten.
• Gelernte Modelle auf realen oder simulierten Roboterarmen bereitzustellen und zu optimieren.

Kursformat

• Fachkundige Vorlesungen und tiefgehende algorithmische Analysen.
• Praktische Programmieraufgaben und Simulationen.
• Projektbasierte Implementierung und Testung.

Kursanpassungsoptionen

• Für eine angepasste Schulung zu diesem Kurs kontaktieren Sie uns bitte, um einen Termin zu vereinbaren.

Mehr-Roboter-Systeme und Schwarmintelligenz ist ein fortschrittliches Schulungsprogramm, das sich mit dem Design, der Koordination und dem Kontrolle von Robotergruppen beschäftigt, die von biologischen Schwarmverhaltensweisen inspiriert sind. Die Teilnehmer lernen, wie sie Interaktionen modellieren, verteilte Entscheidungen implementieren und die Zusammenarbeit zwischen mehreren Agenten optimieren können. Das Kursprogramm kombiniert Theorie mit praktischer Simulation, um Lernende auf Anwendungen in der Logistik, Verteidigung, Rettungsoperationen und autonomen Exploration vorzubereiten.

Diese von einem Dozenten geführte, lebendige Schulung (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die mehr-Roboter-Systeme und schwarmbasierte Systeme mit Hilfe offener Frameworks und Algorithmen entwerfen, simulieren und implementieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Prinzipien und Dynamiken von Schwarmintelligenz und kooperativer Robotik zu verstehen.
• Kommunikations- und Koordinierungsstrategien für Mehr-Roboter-Systeme zu entwerfen.
• Verteilte Entscheidungsfindung und Konsensalgorithmen zu implementieren.
• Kollektives Verhalten wie Formationsteuerung, Schwarmflug und Abdeckung zu simulieren.
• Schwarmbasierte Techniken auf reale Szenarien und Optimierungsprobleme anzuwenden.

Kursformat

• Fortgeschrittene Vorlesungen mit tiefgründigen algorithmischen Analysen.
• Praktische Programmierung und Simulation in ROS 2 und Gazebo.
• Ein kooperatives Projekt zur Anwendung von Schwarmintelligenz-Prinzipien.

Kursanpassungsoptionen

• Für eine angepasste Schulung zu diesem Kurs kontaktieren Sie uns bitte, um eine Anpassung vorzunehmen.

TinyML ist ein Framework zur Bereitstellung von maschinelles Lernen auf low-power Microcontrollern und eingebetteten Plattformen, die in der Robotik und in autonomen Systemen verwendet werden.

Dieses von einem Trainer geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Fachkräfte, die TinyML-basierte Wahrnehmungs- und Entscheidungsfähigkeiten in autonome Roboter, Drohnen und intelligente Steuerungssysteme integrieren möchten.

Nach Abschluss dieses Kurses werden die Teilnehmer in der Lage sein:

• Optimierte TinyML-Modelle für roboterbezogene Anwendungen zu entwerfen.
• Perceptionspipelines auf dem Gerät zur Echtzeitausführung zu implementieren.
• TinyML in bestehende robotersteuernde Frameworks zu integrieren.
• Leichtgewichtige KI-Modelle auf eingebetteten Hardwareplattformen bereitzustellen und zu testen.

Kursformat

• Technische Vorträge in Kombination mit interaktiven Diskussionen.
• Praktische Labs, die sich auf eingebettete Robotikaufgaben konzentrieren.
• Praktische Übungen zur Simulation von realen autonomen Workflows.

Kursanpassungsoptionen

• Für organisationsspezifische Robotikumgebungen kann eine Anpassung auf Wunsch arrangiert werden.

Sichere und verständliche Robotik ist eine umfassende Fortbildung, die sich auf die Sicherheit, Verifizierung und ethische Governance von Robotersystemen konzentriert. Der Kurs spannt den Bogen zwischen Theorie und Praxis, indem er Methodologien für Sicherheitsfälle, Gefahrenanalysen und verständliche AI-Verfahren behandelt, die die Transparenz und Verlässlichkeit der Entscheidungsfindung von Robotern gewährleisten. Die Teilnehmer lernen, wie sie die Einhaltung von Vorschriften sicherstellen, das Verhalten verifizieren und die Sicherheitsgarantie gemäß internationalen Standards dokumentieren können.

Diese von einem Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Fachkräfte, die Prinzipien der Verifizierung, Validierung und Erklärbarkeit anwenden möchten, um die sichere und ethische Einführung von Robotersystemen zu gewährleisten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Sicherheitsfälle für roboter- und autonomes Systeme zu entwickeln und zu dokumentieren.
• Verifizierungs- und Validierungstechniken in Simulationsumgebungen anzuwenden.
• Erklärbare AI-Frameworks für die Entscheidungsfindung von Robotern zu verstehen.
• Sicherheits- und Ethikprinzipien in den Systemdesign und -betrieb zu integrieren.
• Sicherheits- und Transparenzanforderungen an Stakeholder weiterzugeben.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Übungen zur Simulation und Sicherheitsanalyse.
• Fallstudien aus der realen Robotikpraxis.

Kursanpassungsmöglichkeiten

• Für eine angepasste Fortbildung zu diesem Kurs kontaktieren Sie uns bitte, um die Anpassungen vorzunehmen.

Edge AI ermöglicht es, künstliche Intelligenzmodelle direkt auf eingebetteten oder ressourcenbeschränkten Geräten zu betreiben. Dies reduziert die Latenz und den Energieverbrauch, während es gleichzeitig die Autonomie und den Datenschutz in Robotersystemen erhöht.

Dieses von einem Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene eingebettete Entwickler und Robotik-Ingenieure, die Maschinelles Lernen zur Inferenz und Optimierung direkt auf roboterbezogenem Hardware unter Verwendung von TinyML und Edge AI-Frameworks implementieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von TinyML und Edge AI für Robotik zu verstehen.
• AI-Modelle zur On-Device-Inferenz zu konvertieren und bereitzustellen.
• Modelle hinsichtlich Geschwindigkeit, Größe und Energieeffizienz zu optimieren.
• Edge AI-Systeme in robotische Steuerungsarchitekturen zu integrieren.
• Leistung und Genauigkeit in realen Szenarien zu bewerten.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Übungen mit TinyML und Edge AI-Toolchains.
• Praktische Übungen auf eingebetteten und robotischen Hardwareplattformen.

Kursanpassungsoptionen

• Für eine angepasste Schulung zu diesem Kurs kontaktieren Sie uns, um einen Termin zu vereinbaren.

Diese von einem Trainer geführte, live-Training in Bern (online oder vor Ort) richtet sich an Teilnehmer mit fortgeschrittenem Niveau, die die Rolle von kollaborativen Robotern (Cobots) und anderen human-centrierten KI-Systemen in modernen Arbeitsplätzen erkunden möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein, folgende Ziele zu erreichen:

• Die Prinzipien von Human-Centric Physical AI und ihre Anwendungen zu verstehen.
• Die Rolle kollaborativer Roboter bei der Steigerung der Arbeitsplatzproduktivität zu erkunden.
• Herausforderungen in Mensch-Maschine-Interaktionen zu identifizieren und anzugehen.
• Arbeitsabläufe zu gestalten, die eine optimale Zusammenarbeit zwischen Menschen und KI-gesteuerten Systemen ermöglichen.
• Eine Innovations- und Anpassungskultur in AI-integrierten Arbeitsplätzen zu fördern.

Reinforcement Learning (RL) ist ein Paradigma des maschinellen Lernens, bei dem Agenten lernen, Entscheidungen zu treffen, indem sie mit einer Umgebung interagieren. In der Robotik ermöglicht RL autonomen Systemen durch Erfahrung und Feedback adaptive Kontroll- und Entscheidungsfähigkeiten zu entwickeln.

Dieses von einem Dozenten geleitete, live Training (online oder vor Ort) richtet sich an fortgeschrittene maschinelles-Lernen-Ingenieure, Robotikforscher und Entwickler, die Reinforcement-Learning-Algorithmen in roboterischen Anwendungen entwerfen, implementieren und bereitstellen möchten.

Am Ende dieses Trainings werden die Teilnehmer folgendes können:

• Die Prinzipien und Mathematik des Reinforcement Learnings verstehen.
• RL-Algorithmen wie Q-Learning, DDPG und PPO implementieren.
• RL in roboterischen Simulationsumgebungen unter Verwendung von OpenAI Gym und ROS 2 integrieren.
• Roboter durch Probieren und Irrtümern autonom komplexe Aufgaben ausführen lassen.
• Die Trainingsleistung mit Deep-Learning-Frameworks wie PyTorch optimieren.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Hands-on-Implementierung mit Python, PyTorch und OpenAI Gym.
• Praktische Übungen in simulierten oder physischen roboterischen Umgebungen.

Kursanpassungsoptionen

• Um ein angepasstes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte.

OpenCV ist eine quelloffene Computer-Vision-Bibliothek, die Echtzeitbildverarbeitung ermöglicht. Tiefenlernen-Frameworks wie TensorFlow bieten die Werkzeuge für intelligente Wahrnehmung und Entscheidungsfindung in Robotersystemen.

Dieses von einem Dozenten angeleitete, lebendige Training (online oder vor Ort) richtet sich an fortgeschrittene Roboter-Ingenieure, Computer-Vision-Praktiker und Maschinelles-Lernen-Ingenieure, die Computer-Vision- und Tiefenlernverfahren für die roboter-basierte Wahrnehmung und Autonomie anwenden möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Computer-Vision-Pipelines mit OpenCV zu implementieren.
• Tiefenlernmodelle zur Objekterkennung und -detektion zu integrieren.
• Vision-basierte Daten für die Robotersteuerung und -navigation zu verwenden.
• Klassische Vision-Algorithmen mit tiefen neuronalen Netzen zu kombinieren.
• Computer-Vision-Systeme auf eingebetteten und robotischen Plattformen bereitzustellen.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Übungen mit OpenCV und TensorFlow.
• Laborimplementierung in simulierten oder physischen Roboter-Systemen.

Kursanpassungsoptionen

• Um einen angepassten Kurs anzufordern, kontaktieren Sie uns bitte zur Anordnung.

Dieser von einem Lehrer geführte Live-Kurs in Bern (online oder vor Ort) richtet sich an fortgeschrittene Robotik-Ingenieure und KI-Forscher, die Multimodale KI einsetzen möchten, um verschiedene Sensordaten zu integrieren und so autonomere und effizientere Roboter zu schaffen, die sehen, hören und tasten können.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Multimodale Sensoren in robotischen Systemen umzusetzen.
• AI-Algorithmus zur Sensorfusion und Entscheidungsfindung zu entwickeln.
• Roboter zu erstellen, die komplexe Aufgaben in dynamischen Umgebungen ausführen können.
• Herausforderungen bei der Echtzeitanalyse und Aktuation von Daten anzugehen.

Smart Robotics ist die Integration künstlicher Intelligenz in robotische Systeme zur Verbesserung der Wahrnehmung, Entscheidungsfindung und autonomen Steuerung.

Dieses unterrichtete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Robotik-Ingenieure, Systemintegratoren und Automatisierungsexperten, die AI-gesteuerte Wahrnehmung, Planung und Steuerung in intelligenten Fertigungsprozessen umsetzen möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• KI-Techniken für robotische Wahrnehmung und Sensordatenintegration zu verstehen und anzuwenden.
• Bewegungsplanungsalgorithmen für collaborative und industrielle Roboter zu entwickeln.
• Lernbasierte Steuerstrategien zur Echtzeitenzichterstellung einzusetzen.
• Intelligente robotische Systeme in die Prozesse eines Smart-Factories-Umfelds zu integrieren.

Format des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Viele Übungen und Praxisphasen.
• Hand-on-Implementierung in einer Live-Lab-Umgebung.

Anpassungsoptionen des Kurses

• Für eine individuelle Ausbildung für diesen Kurs zu beantragen, kontaktieren Sie uns bitte zur Absprache.

ROS 2 (Robot Operating System 2) ist ein Open-Source-Framework, das zur Unterstützung der Entwicklung komplexer und skalerbarer robotischer Anwendungen konzipiert wurde.

Dieses von einem Dozenten geführte Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Robotik-Ingenieure und Entwickler, die autonome Navigation und SLAM (Simultaneous Localization and Mapping) mit ROS 2 implementieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• ROS 2 für Anwendungen zur autonomen Navigation einzurichten und zu konfigurieren.
• SLAM-Algorithmen zur Kartierung und Lokalisierung umzusetzen.
• Sensoren wie LiDAR und Kameras mit ROS 2 zu integrieren.
• Autonome Navigation in Gazebo zu simulieren und zu testen.
• Navigationsstapel auf physischen Robotern bereitzustellen.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Übungen mit ROS 2-Tools und Simulationsumgebungen.
• Live-Lab-Umsetzung und -Test auf virtuellen oder physischen Robotern.

Kursanpassungsmöglichkeiten

• Um eine angepasste Schulung für diesen Kurs anzufordern, kontaktieren Sie uns.

Diese von einem Dozenten geleitete Live-Training in Bern (online oder vor Ort) richtet sich an fortgeschrittene Teilnehmer, die ihre Fähigkeiten im Design, Programmieren und Bereitstellen intelligenter Roboter für Automatisierung und darüber hinaus erweitern möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Prinzipien der physischen KI und ihre Anwendungen in Robotik und Automatisierung zu verstehen.
• Intelligente Roboter für dynamische Umgebungen zu designen und zu programmieren.
• KI-Modelle zur autonomen Entscheidungsfindung in Robotern umzusetzen.
• Simulationswerkzeuge für Roboter-Tests und Optimierung zu nutzen.
• Herausforderungen wie Sensorfusion, Echtzeitverarbeitung und Energieeffizienz anzugehen.

Künstliche Intelligenz (KI) für Robotik kombiniert maschinelles Lernen, Steuerungssysteme und Sensorfusion, um intelligente Maschinen zu schaffen, die wahrnehmen, schlussfolgern und autonom handeln können. Mit modernen Werkzeugen wie ROS 2, TensorFlow und OpenCV können Ingenieure heute Roboter entwickeln, die intelligent navigieren, planen und mit der realen Welt interagieren.

Dieses von einem Dozenten geleitete Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Ingenieure, die AI-getriebene Robotersysteme unter Verwendung aktueller Open-Source-Technologien und -Frameworks entwickeln, trainieren und bereitstellen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Python und ROS 2 zur Erstellung und Simulation von Roboterverhalten zu verwenden.
• Kalman-Filter und Partikel-Filter für Lokalisierung und Tracking zu implementieren.
• Mithilfe von OpenCV computer-gestützte Visionstechniken zur Wahrnehmung und Objekterkennung anzuwenden.
• TensorFlow für Bewegungsvorhersage und lernbasierte Steuerung zu verwenden.
• SLAM (Simultaneous Localization and Mapping) zur autonomen Navigation zu integrieren.
• Reinforcement Learning-Modelle zur Verbesserung der Robotikentscheidungen zu entwickeln.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Umsetzung mit ROS 2 und Python.
• Praktische Übungen in simulierten und realen Robotikumgebungen.

Kursanpassungsoptionen

Um ein angepasstes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

In diesem von einem Trainer durchgeführten Live-Seminar in Bern (vor Ort oder online) lernen die Teilnehmer verschiedene Technologien, Frameworks und Techniken kennen, um unterschiedliche Roboterarten zu programmieren, die im Bereich der Kern-Technologie und Umweltsystemen eingesetzt werden.

Das 6-wöchige Seminar findet von Montag bis Freitag statt. Jeder Tag dauert 4 Stunden und besteht aus Vorlesungen, Diskussionen sowie praktischer Robotikentwicklung in einer Live-Lab-Umgebung. Die Teilnehmer werden verschiedene realitätsnahe Projekte durchführen, um ihr erworbenes Wissen anzuwenden.

Das Zielgerät für dieses Seminar wird über Simulationssoftware in 3D simuliert. Als Programmiersprachen und Frameworks werden ROS (Robot Operating System), C++ und Python verwendet.

Am Ende des Seminars können die Teilnehmer Folgendes:

• Grundlegende Konzepte der Robotik verstehen.
• Die Interaktion zwischen Software und Hardware in einem Robotersystem verstehen und verwalten.
• Die Softwarekomponenten, die die Robotik untermauern, verstehen und implementieren.
• Einen simulierten mechanischen Roboter bauen und betreiben, der sehen, wahrnehmen, verarbeiten, navigieren und durch Sprache mit Menschen interagieren kann.
• Die notwendigen Elemente der Künstlichen Intelligenz (Maschinelles Lernen, Tiefes Lernen usw.) verstehen, die zum Aufbau eines intelligenten Roboters relevant sind.
• Filter (Kalman und Teilchen) implementieren, um den Roboter zu ermöglichen, sich bewegende Objekte in seiner Umgebung zu lokalisieren.
• Suchalgorithmen und Bewegungsplanung implementieren.
• PID-Kontrolle implementieren, um die Bewegung eines Roboters innerhalb einer Umgebung zu regulieren.
• SLAM-Algorithmen implementieren, damit ein Roboter eine unbekannte Umgebung kartieren kann.
• Die Fähigkeit des Roboters, komplexe Aufgaben durchzuführen, durch Tiefes Lernen zu erweitern.
• Einen Roboter in realistischen Szenarien testen und fehlersuchen.

In diesem von einem Dozenten geführten, live durchgeführten Training in Bern (online oder vor Ort) lernen die Teilnehmer verschiedene Technologien, Frameworks und Techniken zum Programmieren verschiedener Arten von Robotern, die im Bereich der Nukleartechnik und Umwelsysteme eingesetzt werden.

Der 4-Wochen-Kurs findet fünf Tage pro Woche statt. Jeder Tag dauert vier Stunden lang und besteht aus Vorlesungen, Diskussionen und praktischer Roboterentwicklung in einer Live-Labor-Umgebung. Die Teilnehmer werden verschiedene realweltliche Projekte durchführen, die auf ihrer Arbeit anwendbar sind, um ihr neu erworbenes Wissen zu üben.

Die Zielhardware für diesen Kurs wird in 3D durch Simulationssoftware simuliert. Der Code wird dann auf physische Hardware (Arduino oder andere) für die endgültige Testumgebung geladen. Das ROS (Robot Operating System) Open-Source-Framework, C++ und Python werden zum Programmieren der Roboter verwendet.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die wesentlichen Konzepte, die in der Robotiktechnologie verwendet werden, zu verstehen.
• Das Wechselspiel zwischen Software und Hardware in einem Roboter-System zu verstehen und zu verwalten.
• Die Softwarekomponenten, die der Robotik zugrunde liegen, zu verstehen und umzusetzen.
• Einen simulierten mechanischen Roboter zu bauen und zu betreiben, der sehen, wahrnehmen, verarbeiten, navigieren und durch Sprache mit Menschen interagieren kann.
• Die notwendigen Elemente der Künstlichen Intelligenz (Maschinelles Lernen, Tiefes Lernen usw.) zu verstehen, die für den Bau eines intelligenten Roboters relevant sind.
• Filter (Kalman- und Partikelfilter) umzusetzen, damit der Roboter bewegliche Objekte in seiner Umgebung lokalisieren kann.
• Suchalgorithmen und Bewegungsplanung umzusetzen.
• PID-Regler implementieren, um die Bewegung eines Roboters in einer Umgebung zu regulieren.
• SLAM-Algorithmen implementieren, damit ein Roboter eine unbekannte Umgebung kartieren kann.
• Einen Roboter in realistischen Szenarien zu testen und Fehler zu beheben.

Der Azure Bot Service kombiniert die Macht des Microsoft Bot Frameworks und der Azure Functions, um eine schnelle Entwicklung intelligenter Bots zu ermöglichen.

In diesem von einem Trainer geleiteten Live-Training werden die Teilnehmer lernen, wie man mithilfe von Microsoft Azure einen intelligenten Bot erstellt.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen intelligenter Bots zu verstehen
• Zu lernen, wie man intelligente Bots mit Cloudanwendungen erstellt
• Auszukennen, wie man das Microsoft Bot Framework, den Bot Builder SDK und den Azure Bot Service verwendet
• zu verstehen, wie man Bots mithilfe von Botmustern entwirft
• Ihren ersten intelligenten Bot mit Microsoft Azure zu entwickeln

Zielgruppe

• Entwickler
• Hobby-Programmierer
• Ingenieure
• IT-Professionals

Kursformat

• Teil Vorlesung, teil Diskussion, Übungen und intensive praktische Anwendung

Ein Bot oder Chatbot ist eine Art Computerassistent, der dazu dient, Benutzerinteraktionen auf verschiedenen Messaging-Plattformen zu automatisieren und Dinge schneller zu erledigen, ohne dass die Benutzer mit einem anderen Menschen sprechen müssen.

In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie mit der Entwicklung eines Bots beginnen können, indem sie Schritt für Schritt die Erstellung von Beispiel-Chatbots mit Bot-Entwicklungstools und Frameworks durchlaufen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• die verschiedenen Einsatzmöglichkeiten und Anwendungen von Bots zu verstehen
• den gesamten Prozess der Entwicklung von Bots zu verstehen
• die verschiedenen Tools und Plattformen, die bei der Entwicklung von Bots verwendet werden, kennenlernen
• Einen Beispiel-Chatbot für Facebook Messenger erstellen
• Einen Beispiel-Chatbot mit Microsoft Bot Framework erstellen

Zielgruppe

• EntwicklerInnen, die an der Erstellung eines eigenen Bots interessiert sind

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und viel praktische Erfahrung

Dieses von einem Dozenten geführte Live-Training in Bern (online oder vor Ort) richtet sich an Ingenieure, die die Anwendbarkeit künstlicher Intelligenz in mechatronischen Systemen kennenlernen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Eine Übersicht über künstliche Intelligenz, maschinelles Lernen und berechnende Intelligenz zu erhalten.
• Die Konzepte neuronaler Netze und verschiedener Lernmethoden zu verstehen.
• Künstliche Intelligenz effektiv für praktische Probleme einzusetzen.
• AI-Anwendungen in der Mechatronik umzusetzen.

Ein intelligenter Roboter ist ein Artificial Intelligence (AI) System, das aus seiner Umgebung und seinen Erfahrungen lernen und seine Fähigkeiten auf der Grundlage dieses Wissens ausbauen kann. Ein intelligenter Roboter Smart Robots kann mit Menschen zusammenarbeiten, ihnen zur Seite stehen und von ihrem Verhalten lernen. Darüber hinaus können sie nicht nur manuelle Arbeiten, sondern auch kognitive Aufgaben übernehmen. Neben physischen Robotern können Smart Robots auch rein softwarebasiert sein und als Softwareanwendung ohne bewegliche Teile oder physische Interaktion mit der Welt in einem Computer installiert sein.

In dieser von einem Kursleiter geleiteten Live-Schulung lernen die Teilnehmer die verschiedenen Technologien, Frameworks und Techniken für die Programmierung verschiedener Arten von mechanischen Smart Robots Robotern kennen und wenden dieses Wissen anschließend an, um ihre eigenen Smart Robot-Projekte zu realisieren.

Der Kurs ist in vier Abschnitte unterteilt, die jeweils aus drei Tagen mit Vorträgen, Diskussionen und praktischer Roboterentwicklung in einer Live-Laborumgebung bestehen. Jeder Abschnitt wird mit einem praktischen Projekt abgeschlossen, in dem die Teilnehmer ihr erworbenes Wissen anwenden und demonstrieren können.

Die Zielhardware für diesen Kurs wird mit Hilfe einer Simulationssoftware in 3D simuliert. Für die Programmierung der Roboter werden die Open-Source-Frameworks ROS (Robot Operating System), C++ und Python verwendet.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• die Schlüsselkonzepte der Robotertechnologien zu verstehen
• die Interaktion zwischen Software und Hardware in einem Robotersystem zu verstehen und zu steuern
• die Softwarekomponenten zu verstehen und zu implementieren, die Smart Robots zugrunde liegen
• einen simulierten mechanischen Smart Robot zu bauen und zu betreiben, der sehen, erkennen, verarbeiten, greifen, navigieren und mit Menschen durch Sprache interagieren kann
• Erweiterung der Fähigkeit eines intelligenten Roboters zur Ausführung komplexer Aufgaben durch Deep Learning
• Testen Sie einen Smart Robot in realistischen Szenarien und führen Sie eine Fehlerbehebung durch.

Zielgruppe

• Entwickler
• Ingenieure

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Hinweis

• Wenn Sie einen Teil dieses Kurses anpassen möchten (Programmiersprache, Robotermodell usw.), nehmen Sie bitte Kontakt mit uns auf.