Kontakt aufnehmen

Schulungsübersicht

Einführung in robotische Manipulation und Deep Learning

  • Überblick über Manipulationsaufgaben und Systemkomponenten
  • Traditionelle vs. lernbasierte Ansätze
  • Deep Learning in Wahrnehmung, Planung und Steuerung

Wahrnehmung für Manipulation

  • Visuelle Sensorik und Objekterkennung für das Greifen
  • 3D-Vision, Tiefensensorik und Point-Cloud-Verarbeitung
  • Training von CNNs für Objektlokalisierung und Segmentierung

Greifplanung und -erkennung

  • Klassische Greifplanungsalgorithmen
  • Lernen von Greifposen aus Daten und Simulation
  • Implementierung von Greiferkennungsnetzen (z. B. GGCNN, Dex-Net)

Steuerung und Bewegungsplanung

  • Inverse Kinematik und Trajektoriengenerierung
  • Lernbasierte Bewegungsplanung und Imitation Learning
  • Reinforcement Learning für Manipulationssteuerungsstrategien

Integration mit ROS 2 und Simulationsumgebungen

  • Einarichtung von ROS 2-Knoten für Wahrnehmung und Steuerung
  • Simulation von robotischen Manipulatoren in Gazebo und Isaac Sim
  • Integration neuronaler Modelle für Echtzeit-Steuerung

End-to-End-Lernen für Manipulation

  • Kombination von Wahrnehmung, Strategie und Steuerung in einheitlichen Netzen
  • Nutzung von Demonstrationsdaten für supervidiertes Policy-Learning
  • Domänenanpassung zwischen Simulation und realer Hardware

Evaluierung und Optimierung

  • Metriken für Greiferfolg, Stabilität und Präzision
  • Tests unter variierenden Bedingungen und Störungen
  • Modellkompression und Bereitstellung auf Edge-Geräten

Praktisches Projekt: Deep-Learning-basiertes robotisches Greifen

  • Gestaltung einer Wahrnehmungs- bis Aktions-Pipeline
  • Training und Testen eines Greiferkennungsmodells
  • Integration des Modells in einen simulierten Roboterarm

Voraussetzungen

  • Grundlegendes Verständnis der Robotik-Kinematik und -Dynamik
  • Erfahrung mit Python und Deep-Learning-Frameworks
  • Vertrautheit mit ROS oder ähnlicher Robotik-Middleware

Zielgruppe

  • Robotik-Ingenieure, die intelligente Manipulationssysteme entwickeln
  • Spezialisten für Wahrnehmung und Steuerung, die an Greifanwendungen arbeiten
  • Forscher und fortgeschrittene Praktiker im Robot Learning und KI-basierten Control
 28 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien