Robot Manipulation und Greifen mit Deep Learning Schulung

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

Diese von einem Dozenten angeleitete Live-Trainingsveranstaltung (online oder vor Ort) richtet sich an fortgeschrittene Ingenieure, die wünschen, KI-getriebene Roboteranwendungen unter Verwendung aktueller Open-Source-Technologien und -Frameworks zu entwickeln, zu trainieren und einzusetzen.

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

• Python und ROS 2 zur Erstellung und Simulation von Roboterverhalten zu nutzen.
• Kalman- und Partikelfilter für Lokalisierung und Tracking zu implementieren.
• Computervisionstechniken unter Verwendung von OpenCV zur Wahrnehmung und Objekterkennung anzuwenden.
• TensorFlow für Bewegungsvorhersage und lernbasierte Steuerung zu nutzen.
• SLAM (Simultaneous Localization and Mapping) zur autonomen Navigation zu integrieren.
• Reinforcement Learning-Modelle zur Verbesserung der Roboterentscheidungsfindung zu entwickeln.

Kursformat

• Interaktiver Vortrag und Diskussion.
• Praktische Umsetzung mit ROS 2 und Python.
• Praktische Übungen in simulierten und realen Roboterumgebungen.

Kursanpassungsoptionen

Für eine angepasste Schulung zu diesem Kurs kontaktieren Sie uns bitte, um die Einzelheiten abzustimmen.

In diesem unterrichtsbegleitenden, Live-Training in Schweiz (online oder vor Ort) lernen die Teilnehmer verschiedene Technologien, Frameworks und Techniken kennen, um unterschiedliche Arten von Robotern für den Einsatz in der kerntechnischen Branche und Umwelsystemen zu programmieren.

Der 6-wöchige Kurs findet fünf Tage pro Woche statt. Jeder Tag dauert vier Stunden und besteht aus Vorlesungen, Diskussionen und praktischer Robotikentwicklung in einer Live-Lab-Umgebung. Die Teilnehmer führen verschiedene realweltliche Projekte durch, die für ihre Arbeit relevant sind, um ihr erworbenes Wissen zu vertiefen.

Die Zielhardware dieses Kurses wird in 3D simuliert. Das ROS (Robot Operating System) Open-Source-Framework, C++ und Python werden verwendet, um die Roboter zu programmieren.

Am Ende dieser Schulung können die Teilnehmer:

• Die wichtigsten Konzepte der Robotiktechnologien verstehen.
• Das Zusammenwirken von Software und Hardware in einem Roboter-System verwalten und verstehen.
• Die Softwarekomponenten, die die Grundlage der Robotik bilden, verstehen und implementieren.
• Einen simulierten mechanischen Roboter bauen und bedienen, der sehen, wahrnehmen, verarbeiten, navigieren und durch Sprache mit Menschen interagieren kann.
• Die für die Erstellung eines intelligenten Roboters notwendigen Elemente der Künstlichen Intelligenz (Maschinelles Lernen, Tiefes Lernen usw.) verstehen.
• Filter (Kalman- und Partikelfilter) implementieren, um den Roboter bewegliche Objekte in seiner Umgebung lokalisieren zu lassen.
• Suchalgorithmen und Bewegungsplanung implementieren.
• PID-Regler implementieren, um die Bewegungen eines Roboters in einer Umgebung zu steuern.
• SLAM-Algorithmen implementieren, um einem Roboter das Erstellen einer Karte einer unbekannten Umgebung zu ermöglichen.
• Die Fähigkeiten eines Roboters zur Durchführung komplexer Aufgaben durch Tiefes Lernen erweitern.
• Einen Roboter in realistischen Szenarien testen und Fehler beheben.

In dieser lehrerführten, live-Trainingseinheit in Schweiz (online oder vor Ort) werden die Teilnehmer lernen, verschiedene Technologien, Frameworks und Techniken zum Programmieren verschiedener Roboter zu beherrschen, die in der Nuklear- und Umwelttechnologie eingesetzt werden.

Der 4-Wochen-Kurs findet 5 Tage pro Woche statt. Jeder Tag dauert 4 Stunden und besteht aus Vorträgen, Diskussionen und praktischer Robotikentwicklung in einer lebenden Laboruhrung. Die Teilnehmer werden verschiedene realweltliche Projekte durchführen, die für ihre Arbeit relevant sind, um ihr erworbenes Wissen zu üben.

Die Zielhardware für diesen Kurs wird durch Simulationssoftware in 3D simuliert. Der Code wird dann auf physikalische Hardware (Arduino oder andere) geladen, um die endgültige Bereitstellung zu testen. Das ROS (Robot Operating System)-Open-Source-Framework sowie C++ und Python werden zur Programmierung der Roboter verwendet.

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

• Die wichtigsten Konzepte in der Robotik zu verstehen.
• Die Interaktion zwischen Software und Hardware in einem Robotersystem zu verstehen und zu verwalten.
• Die Softwarekomponenten, die den Grundstein für die Robotik bilden, 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.), die für den Bau eines intelligenten Roboters relevant sind, zu verstehen.
• Filter (Kalman- und Partikel-) umzusetzen, um dem Roboter das Finden bewegter Objekte in seiner Umgebung zu ermöglichen.
• Suchalgorithmen und Bewegungsplanung umzusetzen.
• PID-Regler zur Steuerung der Roboterbewegung in einer Umgebung umzusetzen.
• SLAM-Algorithmen umzusetzen, um einem Roboter das Kartieren unbekannter Umgebungen zu ermöglichen.
• Einen Roboter in realistischen Szenarien zu testen und Fehler zu beheben.

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.

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

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.

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

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 Schweiz (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.

Dieses von einem Dozenten geführte Live-Training in Schweiz (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.

Dieses von einem Dozenten geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Robotik-Ingenieure und KI-Forscher, die Multimodale KI nutzen möchten, um verschiedene sensorische Daten zu integrieren und autonome und effiziente Roboter zu erstellen, die sehen, hören und fühlen können.

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

• Multimodales Sensing in Robotersystemen zu implementieren.
• AI-Algorithmen für Sensorfusion und Entscheidungsfindung zu entwickeln.
• Roboter zu erstellen, die in dynamischen Umgebungen komplexe Aufgaben durchführen können.
• Herausforderungen bei der Echtzeit-Datenaufbereitung und -aktuation zu bewältigen.

Diese von einem Dozenten geleitete Live-Training in Schweiz (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.

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.

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.

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.