Autonome Navigation & SLAM mit ROS 2 Schulung

Künstliche Intelligenz (KI) für die Robotik verbindet maschinelles Lernen, Regelungstechnik und Sensorfusion, um intelligente Maschinen zu schaffen, die autonom wahrnehmen, schlussfolgern und handeln können. Mit modernen Tools wie ROS 2, TensorFlow und OpenCV können Ingenieur:innen nun Roboter entwickeln, die sich intelligent in realen Umgebungen navigieren, planen und mit ihnen interagieren.

Dieser instruktionsgeleitete Live-Training (online oder vor Ort) richtet sich an Ingenieur:innen mit mittlerem Kenntnisstand, die KI-gesteuerte Robotersysteme mit aktuellen Open-Source-Technologien und Frameworks entwickeln, trainieren und einsetzen möchten.

Nach Abschluss dieses Trainings können die Teilnehmer:

• Python und ROS 2 nutzen, um Roboterinteraktionen zu erstellen und zu simulieren.
• Kalman- und Partikelfilter zur Lokalisierung und Verfolgung implementieren.
• Computer-Vision-Techniken mit OpenCV für Wahrnehmung und Objekterkennung anwenden.
• TensorFlow für die Bewegungsprognose und das lernbasierte Steuern einsetzen.
• SLAM (Simultaneous Localization and Mapping) zur autonomen Navigation integrieren.
• Modelle des Verstärkenden Lernens (Reinforcement Learning) entwickeln, um die Entscheidungsfindung der Roboter zu verbessern.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Umsetzung mit ROS 2 und Python.
• Praktische Übungen in simulierten und realen Roboterumgebungen.

Möglichkeiten zur Kursanpassung

Um einen angepassten Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

OpenCV ist eine Open-Source-Bibliothek für Computer Vision, die Echtzeit-Bildverarbeitung ermöglicht. Gleichzeitig bieten Deep-Learning-Frameworks wie TensorFlow die Werkzeuge für intelligente Wahrnehmungs- und Entscheidungsprozesse in Robotersystemen.

Dieser Dozenten-kuratierte Live-Kurs (online oder vor Ort) richtet sich an Ingenieurinnen und Ingenieure auf mittlerem Niveau, die in den Bereichen Robotik und Computer Vision arbeiten sowie Maschinenbau-Ingenieurinnen und -Ingenieure, die Computer Vision- und Deep-Learning-Techniken für die robotische Wahrnehmung und Autonomie anwenden möchten.

Nach Abschluss dieses Kurses sind die Teilnehmenden in der Lage: 

• Computer-Vision-Pipelines mit OpenCV zu implementieren.
• Deep-Learning-Modelle für die Objektenerkennung und -klassifizierung zu integrieren.
• Bildbasierte Daten zur Steuerung und Navigation von Robotern zu nutzen.
• Klassische Vision-Algorithmen mit tiefer neuronalen Netzen zu kombinieren.
• Computer-Vision-Systeme auf eingebetteten Plattformen und Robotern bereitzustellen.

Format des Kurses

• Interaktive Vorträge und Diskussionen.
• Praktische Übungen mit OpenCV und TensorFlow.
• Live-Labor-Implementierung auf simulierten oder physischen Robotersystemen.

Individuelle Anpassungsmöglichkeiten des Kurses

• Falls Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, kontaktieren Sie uns bitte zur Vereinbarung.

Ein Bot oder Chatbot ist wie ein Computer-Assistent, der zur Automatisierung von Nutzerinteraktionen auf verschiedenen Messenger-Plattformen eingesetzt wird und Aufgaben schneller erledigt, ohne dass Nutzer mit einem Menschen sprechen müssen.

In dieser Dozentengeführten Live-Schulung erfahren die Teilnehmer, wie sie den Einstieg in die Entwicklung eines Bots meistern, 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 Anwendungsfälle von Bots zu verstehen
• Den vollständigen Prozess der Bot-Entwicklung nachzuvollziehen
• Sich mit den unterschiedlichen Tools und Plattformen zur Erstellung von Bots vertraut zu machen
• Einen Beispiel-Chatbot für Facebook Messenger zu entwickeln
• Einen Beispiel-Chatbot mit dem Microsoft Bot Framework zu erstellen

Zielgruppe

• Entwickler, die ihren eigenen Bot erstellen möchten

Kursformat

• Teilweise Vortrag, teilweise Diskussion, Übungen und intensive praktische Anwendung

Edge AI ermöglicht es künstlichen Intelligenzmodellen, direkt auf eingebetteten oder ressourcenbeschränkten Geräten ausgeführt zu werden. Dies reduziert Latenz und Energieverbrauch und steigert gleichzeitig Autonomie und Datenschutz in robotischen Systemen.

Dieser instruktionsgeleitete, live stattfindende Kurs (online oder vor Ort) richtet sich an Entwickler und Robotikingenieure mit fortgeschrittenen Kenntnissen, die maschinelles Lernen und Optimierungstechniken direkt auf der Robotikhardware mittels TinyML und Edge-AI-Frameworks implementieren möchten.

Am Ende dieses Trainings sind die Teilnehmer in der Lage:

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

Kursformat

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

Möglichkeiten zur Anpassung des Kurses

• Um einen maßgeschneiderten Trainingskurs für diesen Kurs anzufordern, kontaktieren Sie uns bitte.

Dieser instruktorgeführte Live-Kurs in Schweiz (online oder vor Ort) richtet sich an Teilnehmer auf mittlerem Niveau, die die Rolle von collaborative Robots (Cobots) und anderer menschzentrierter KI-Systeme in modernen Arbeitsumgebungen erkunden möchten.

Bis zum Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Prinzipien der menschzentrierten Physischen KI und ihre Anwendungen zu verstehen.
• Die Rolle von collaborative Robots bei der Steigerung der Arbeitsplatzproduktivität zu erkunden.
• Herausforderungen in der Mensch-Maschine-Interaktion zu identifizieren und anzugehen.
• Abläufe zu entwerfen, die die Zusammenarbeit zwischen Menschen und KI-gesteuerten Systemen optimieren.
• Eine Kultur der Innovation und Anpassungsfähigkeit in KI-integrierten Arbeitsumgebungen zu fördern.

Mensch-Roboter-Interaktion (HRI): Stimme, Gestik & Kollaborative Steuerung ist ein praxisorientierter Kurs zur Einführung in die Gestaltung und Implementierung intuitiver Schnittstellen für die Kommunikation zwischen Mensch und Roboter. Die Schulung verbindet Theorie, Designprinzipien und Programmierpraxis, um natürliche und responsive Interaktionssysteme mit Methoden der Sprachverarbeitung, Gestenerkennung und gemeinsamen Steuerung aufzubauen. Die Teilnehmenden lernen dabei, wie sie Wahrnehmungsmodule integrieren, multimodale Eingabesysteme entwickeln und Roboter konstruieren, die sicher mit Menschen zusammenarbeiten.

Diese von einer Lehrperson geleitete Live-Schulung (online oder vor Ort) richtet sich an Teilnehmende auf Einsteiger- bis Fortgeschrittenenniveau, die Systeme zur Mensch-Roboter-Interaktion entwerfen und implementieren möchten, um Bedienbarkeit, Sicherheit und Nutzererlebnis zu verbessern.

Nach Abschluss dieser Schulung können die Teilnehmenden:

• Die Grundlagen und Designprinzipien der Mensch-Roboter-Interaktion verstehen.
• Sprachbasierte Steuerungs- und Antwortmechanismen für Roboter entwickeln.
• Gestenerkennung mittels Computer-Vision-Techniken implementieren.
• Kollaborative Steuersysteme für sichere gemeinsame Autonomie entwerfen.
• HRI-Systeme hinsichtlich Bedienbarkeit, Sicherheit und menschlicher Faktoren bewerten.

Format des Kurses

• Interaktive Vorträge und Demonstrationen.
• Praxisnahe Programmier- und Designübungen.
• Praktische Experimente in Simulationsumgebungen oder mit realen Robotern.

Möglichkeiten zur Anpassung des Kurses

• Um eine massgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Vereinbarung.

Der Kurs "Industrielle Robotik-Automatisierung: ROS-SPS-Integration & Digitale Zwillinge" ist ein praxisorientiertes Training, das darauf abzielt, industrielle Automatisierung mit modernen Robotik-Frameworks zu verbinden. Die Teilnehmenden lernen, ROS-basierte robotische Systeme mit SPSen (speicherprogrammierbaren Steuerungen) für synchronisierte Abläufe zu integrieren und untersuchen Digitale-Zwilling-Umgebungen zur Simulation, Überwachung und Optimierung von Produktionsprozessen. Der Kurs legt besonderen Wert auf Interoperabilität, Echtzeitsteuerung und prädiktive Analysen mittels digitaler Abbilder physischer Systeme.

Dieses live stattfindende Training mit Dozent:in (online oder vor Ort) richtet sich an Fachkräfte mit mittlerem Kenntnissstand, die praktische Fähigkeiten im Anschluss ROS-gesteuerter Roboter an SPS-Umgebungen sowie in der Implementierung digitaler Zwillinge für Automatisierungs- und Fertigungsoptimierung aufbauen möchten.

Am Ende dieses Trainings können die Teilnehmenden:

• Kommunikationsprotokolle zwischen ROS- und SPS-Systemen verstehen.
• Echtzeit-Daten austauschen zwischen Robotern und industriellen Steuerungen implementieren.
• Digitale Zwillinge zur Überwachung, zum Testen und zur Prozesssimulation entwickeln.
• Sensoren, Aktuatoren und Roboter-Manipulatoren in industrielle Arbeitsabläufe integrieren.
• Industrielle Automatisierungssysteme mittels hybrider Simulationsumgebungen entwerfen und validieren.

Kursformat

• Interaktive Vorträge und Architekturdurchläufe.
• Praxisübungen zur Integration von ROS- und SPS-Systemen.
• Implementierung von Simulations- und Digital-Zwilling-Projekten.

Möglichkeiten zur Kursanpassung

• Falls Sie einen maßgeschneiderten Schulungskurs für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Diese von Dozierenden geleitete, live stattfindende Schulung in Schweiz (online oder vor Ort) richtet sich an Ingenieurinnen und Ingenieure, die die Anwendbarkeit der künstlichen Intelligenz auf mechatronische Systeme kennenlernen möchten.

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

• Einen Überblick über künstliche Intelligenz, maschinelles Lernen und computationale Intelligenz zu erhalten.
• Die Konzepte neuronaler Netze und verschiedene Lernmethoden zu verstehen.
• KI-Ansätze effektiv für reale Probleme auszuwählen.
• KI-Anwendungen in der mechatronischen Ingenieurwissenschaft zu implementieren.

Multi-Robot Systems and Swarm Intelligence ist ein fortgeschrittenes Schulungsprogramm, das die Konstruktion, Koordinierung und Steuerung von Robotergruppen erforscht, welche durch biologische Schwarmverhaltensweisen inspiriert sind. Die Teilnehmenden lernen, wie man Interaktionen modelliert, verteilte Entscheidungsfindung implementiert und die Zusammenarbeit über mehrere Agenten hinweg optimiert. Das Programm verbindet Theorie mit praktischer Simulation, um die Lernenden auf Anwendungen in Logistik, Verteidigung, Such- und Rettungseinsätzen sowie autonomer Exploration vorzubereiten.

Diese unter der Leitung eines Dozenten stattfindende Live-Schulung (online oder vor Ort) richtet sich an fortgeschrittene Fachkräfte, die Multi-Roboter- und schwarmbasierte Systeme mittels Open-Source-Frameworks und Algorithmen entwerfen, simulieren und implementieren möchten.

Am Ende dieser Schulung sind die Teilnehmenden in der Lage:

• Die Prinzipien und Dynamiken der Schwarmintelligenz und kooperativen Robotik zu verstehen.
• Kommunikations- und Koordinationsstrategien für Multi-Roboter-Systeme zu entwerfen.
• Verteilte Entscheidungsfindung und Konsensalgorithmen zu implementieren.
• Kollektive Verhaltensweisen wie Formationsteuerung, Schwarmverhalten (Flocking) und Abdeckung zu simulieren.
• Schwarmbasierte Techniken auf reale Szenarien und Optimierungsprobleme anzuwenden.

Format des Kurses

• Fortgeschrittene Vorlesungen mit tiefgehenden Algorithmenanalysen.
• Praktisches Programmieren und Simulieren in ROS 2 und Gazebo.
• Kooperatives Projekt zur Anwendung der Prinzipien der Schwarmintelligenz.

Optionen zur Kursanpassung

• Um eine kundenspezifische Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Abstimmung.

Diese von Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Roboter-Ingenieure und KI-Forscher, die multimodale KI nutzen möchten, um verschiedene sensorische Daten zu integrieren, um autonomere und effizientere Roboter zu schaffen, die sehen, hören und tasten können.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Multimodale Sensorik in robotischen Systemen zu implementieren.
• KI-Algorithmen für Sensorfusion und Entscheidungsfindung zu entwickeln.
• Roboter zu erstellen, die komplexe Aufgaben in dynamischen Umgebungen ausführen können.
• Herausforderungen bei der Echtzeit-Datenverarbeitung und Aktuierung anzugehen.

Diese unter Anleitung erfahrener Trainer durchgeführte Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Teilnehmer auf mittlerem Niveau, die ihre Fähigkeiten im Entwurf, der Programmierung und dem Einsatz intelligenter Robotersysteme für Automatisierungsanwendungen und darüber hinaus vertiefen möchten.

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

• Die Prinzipien von Physical AI sowie deren Anwendungen in der Robotik und Automatisierung zu verstehen.
• Intelligente Robotersysteme für dynamische Umgebungen zu entwerfen und zu programmieren.
• KI-Modelle für autonome Entscheidungsprozesse in Robotern zu implementieren.
• Simulationswerkzeuge für das Testen und die Optimierung von Robotern effizient einzusetzen.
• Herausforderungen wie Sensorfusion, Echtzeitverarbeitung und Energieeffizienz zu bewältigen.

Das Kursangebot «Practical Rapid Prototyping for Robotics with ROS 2 & Docker» ist ein praxisorientiertes Training, das Entwicklern dabei hilft, robotische Anwendungen effizient zu erstellen, zu testen und bereitzustellen. Die Teilnehmenden lernen, wie sie Robotik-Umgebungen containerisieren, ROS 2-Pakete integrieren und modulare Robotersysteme mittels Docker für Reproduzierbarkeit und Skalierbarkeit prototypisch aufbauen. Der Kurs legt einen besonderen Schwerpunkt auf Agilität, Versionsverwaltung sowie kollaborative Praktiken, die für Entwicklungs- und Innovationsteams in der Frühphase geeignet sind.

Diese unter Leitung eines Dozierenden stattfindende Live-Schulung (online oder vor Ort) richtet sich an Teilnehmerinnen und Teilnehmer mit Anfänger- bis fortgeschrittenem Know-how, die ihre Robotik-Entwicklungsworkflows dank ROS 2 und Docker beschleunigen möchten.

Am Ende dieses Trainings sind die Teilnehmenden in der Lage:

• eine ROS 2-Entwicklungsumgebung innerhalb von Docker-Containern einzurichten.
• robotische Prototypen in modularen, reproduzierbaren Setups zu entwickeln und zu testen.
• Simulationswerkzeuge zur Validierung des Systemverhaltens vor dem Hardware-Einsatz einzusetzen.
• durch containerisierte Robotik-Projekte effektiv zusammenzuarbeiten.
• Konzepte der kontinuierlichen Integration und Bereitstellung (CI/CD) in Robotik-Pipelines anzuwenden.

Kursformat

• Interaktive Vorträge und Demonstrationen.
• Praxisübungen mit ROS 2- und Docker-Umgebungen.
• Mini-Projekte mit Fokus auf reale Robotikanwendungen.

Möglichkeiten zur Kursanpassung

• Um eine massgeschneiderte Schulung für diesen Kurs anzufordern, kontaktieren Sie uns bitte, damit wir dies organisieren können.

Reinforcement Learning (RL) ist ein Paradigma des maschinellen Lernens, bei dem Agenten durch Interaktion mit einer Umgebung Entscheidungen treffen. In der Robotik ermöglicht RL autonomen Systemen, adaptive Steuerungs- und Entscheidungsmechanismen durch Erfahrung und Feedback zu entwickeln.

Diese von Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an fortgeschrittene Machine-Learning-Ingenieure, Robotikforscher und Entwickler, die RL-Algorithmen für robotische Anwendungen entwerfen, implementieren und bereitstellen möchten.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Prinzipien und die Mathematik des Reinforcement Learning zu verstehen.
• RL-Algorithmen wie Q-Learning, DDPG und PPO zu implementieren.
• RL mit robotischen Simulationsumgebungen unter Verwendung von OpenAI Gym und ROS 2 zu integrieren.
• Roboter durch Versuch und Irrtum autonom komplexe Aufgaben ausführen zu lassen.
• Die Trainingsleistung mittels Deep-Learning-Frameworks wie PyTorch zu optimieren.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Praktische Implementierung mit Python, PyTorch und OpenAI Gym.
• Praktische Übungen in simulierten oder physischen robotischen Umgebungen.

Möglichkeiten zur Kursanpassung

• Falls Sie eine massgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu organisieren.

Robotermanipulation und Greifen mit Deep Learning ist ein fortgeschrittenes Kursangebot, das die robotische Steuerung mit modernen Methoden des maschinellen Lernens verbindet. Die Teilnehmerinnen und Teilnehmer lernen, wie Deep Learning die Wahrnehmung, Bewegungsplanung und das geschickte Greifen in robotischen Systemen verbessern kann. Der Kurs führt die Lernenden durch Theorie, Simulation und praktische Programmieraufgaben von der wahrnehmungs basierten Steuerung hin zum End-to-End-Policy-Lernen für Manipulationsaufgaben.

Dieser Kurs wird dozentengestützt durchgeführt (online oder vor Ort) und richtet sich an Fachleute auf fortgeschrittenem Niveau, die Deep-Learning-Methoden anwenden möchten, um intelligente, anpassungsfähige und präzise Roboterbewegungen zu ermöglichen.

Nach Abschluss dieses Kurses sind die Teilnehmenden in der Lage:

• Wahrnehmungsmodelle für Objekterkennung und Pose-Schätzung zu entwickeln.
• Neuronale Netze für Greiferkennung und Bewegungsplanung zu trainieren.
• Deep-Learning-Module mit robotischen Steuerungen mittels ROS 2 zu integrieren.
• Greif- und Manipulationsstrategien in virtuellen Umgebungen zu simulieren und zu evaluieren.
• Gelernte Modelle auf echten oder simulierten Roboterarmen bereitzustellen und zu optimieren.

Formate des Kurses

• Dozentengeleitete Vorträge und vertiefte algorithmische Analysen.
• Praxisnahe Programmier- und Simulationss exercises.
• Projektbasierte Implementierung und Tests.

Optionen zur Kursanpassung

• Um einen individuellen Kurs für dieses Thema zu bestellen, kontaktieren Sie uns bitte.

Intelligente Robotik bezeichnet die Integration von künstlicher Intelligenz (KI) in robotische Systeme zur Verbesserung der Wahrnehmung, Entscheidungsfindung und autonomen Steuerung.

Diese lehrgangsbegleitete Schulung (online oder vor Ort) richtet sich an fortgeschrittene Robotikingenieurinnen und -ingenieure, Systemintegratoren sowie Automatisierungsverantwortliche, die KI-gestützte Wahrnehmungs-, Planungs- und Steuerungsverfahren in intelligenten Fertigungsumgebungen implementieren möchten.

Nach Abschluss dieser Schulung sind die Teilnehmenden in der Lage:

• KI-Verfahren für die robotische Wahrnehmung und Sensorfusion zu verstehen und anzuwenden.
• Bewegungsplanungsalgorithmen für kollaborative und industrielle Roboter zu entwickeln.
• Lernbasierte Steuerungsstrategien für Echtzeit-Entscheidungen einzusetzen.
• Intelligente robotische Systeme in intelligente Fertigungsprozesse zu integrieren.

Form der Schulung

• Interaktive Vorträge und Diskussionen.
• Umfangreiche Übungen und Praxisphasen.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Möglichkeiten zur Kursanpassung

• Für eine massgeschneiderte Schulung zu diesem Thema kontaktieren Sie uns bitte, um die Details zu vereinbaren.