Mens-machine-interactie (HRI): spraak, gebaren en samenwerkende besturing Training Cursus

Kunstmatige intelligentie (AI) voor robotica combineert machine learning, besturingssystemen en sensorintegratie om intelligente machines te creëren die zelfstandig kunnen waarnemen, redeneren en handelen. Met behulp van moderne hulpmiddelen zoals ROS 2, TensorFlow en OpenCV kunnen ingenieurs nu robots ontwerpen die op slimme wijze door omgevingen navigeren, plannen en interageren.

Deze interactieve training onder leiding van een instructeur (online of ter plaatse) richt zich op ingenieurs met een gemiddelde kennisniveau die AI-gestuurde robotsystemen willen ontwikkelen, trainen en implementeren, gebruikmakend van actuele open-source technologieën en frameworks.

Na afronding van deze training zullen deelnemers in staat zijn om:

• Python en ROS 2 te gebruiken voor het bouwen en simuleren van robotgedrag.
• Kalman- en Particle-filters toe te passen voor lokalisatie en tracking.
• Computer vision-technieken via OpenCV te gebruiken voor waarneming en objectherkenning.
• TensorFlow te benutten voor bewegingsvoorspelling en besturing op basis van leren.
• SLAM (Simultane Lokalisatie en Kaartvorming) te integreren voor zelfstandige navigatie.
• Reinforcement learning-modellen te ontwikkelen om het besluitvormingsvermogen van robots te verbeteren.

Opzet van de cursus

• Interactieve lezingen en discussies.
• Praktische implementatie met behulp van ROS 2 en Python.
• Oefeningen in zowel gesimuleerde als echte robotomgevingen.

Opties voor cursuscustomisatie

Wilt u een op maat gemaakte versie van deze training? Neem dan contact met ons op om de mogelijkheden te bespreken.

ROS 2 (Robot Operating System 2) is een open-source-framework dat ontworpen is om de ontwikkeling van complexe en schaalbare robottoepassingen te ondersteunen.

Deze praktijkgerichte training, begeleid door instructeurs (online of op locatie), is bedoeld voor robotics-engineers en ontwikkelaars met een gematigde voorkennis die autonome navigatie en SLAM (Simultaneous Localization and Mapping) willen implementeren met behulp van ROS 2.

Aan het einde van de training zullen deelnemers in staat zijn om:

• ROS 2 in te richten en te configureren voor autonome navigatieapplicaties.
• SLAM-algoritmen toe te passen voor het maken van kaarten en lokalisatie.
• Sensoren zoals LiDAR en camera’s te integreren met ROS 2.
• Autonome navigatie te simuleren en testen in Gazebo.
• Navigatiestacks te implementeren op echte robots.

Opzet van de training

• Interactieve presentaties en discussies.
• Praktische oefeningen waarbij gebruik wordt gemaakt van ROS 2-tools en simulatiemilieus.
• Hands-on implementatie en testen op virtuele of fysieke robots.

Mogelijkheden voor maatwerk aan de training

• Wilt u een op maat gemaakte versie van deze training? Neem dan contact met ons op om de details te bespreken.

OpenCV is een open-source-computervisiebibliotheek die real-time beeldverwerking mogelijk maakt; daarnaast bieden deep learning-frameworks zoals TensorFlow de benodigde hulpmiddelen voor intelligente perceptie en besluitvorming in robotica-systemen.

Deze door een instructeur geleide, live-training (online of op locatie) is bedoeld voor robotics-engineers met middenniveau kennis, experts op het gebied van computervisie en machine learning-engineers die computer- en deep-learningtechnieken willen toepassen om de perceptie en autonomie van robots te verbeteren.

Aan het einde van deze training zijn de deelnemers in staat tot het volgende:

• Computervisiepijplijnen implementeren met behulp van OpenCV.
• Deep learning-modellen integreren voor objectdetectie en -herkenning.
• Visuele gegevens gebruiken voor robotbesturing en navigatie.
• Traditionele visuale algoritmen combineren met diepe neurale netwerken.
• Computervisiesystemen implementeren op ingebedde systemen en robotplatforms.

Opzet van de cursus

• Interactieve lezingen en discussies.
• Praktijkopdrachten met OpenCV en TensorFlow.
• In het lab: implementatie op gesimuleerde of fysieke robotsystemen.

Aanpassingsmogelijkheden van de cursus

• Wilt u een op maat gemaakte versie van deze training? Neem dan contact met ons op om de mogelijkheden te bespreken.

Een bot of chatbot is als het ware een computerassistent die wordt gebruikt om interacties tussen gebruikers op verschillende berichtenplatforms te automatiseren, zodat taken sneller uitgevoerd kunnen worden zonder dat er menselijke bemiddeling nodig is.

Tijdens deze begeleide, praktijkgerichte training leren deelnemers hoe ze een bot kunnen ontwikkelen door stapsgewijs voorbeeldchats te maken met behulp van daarvoor bedoelde ontwikkelingstools en -frameworks.

Aan het einde van deze cursus zijn de deelnemers in staat om:

• De verschillende toepassingen en gebruiksmogelijkheden van bots te begrijpen
• Het volledige ontwikkelproces voor bots te doorgronden
• De diverse tools en platforms voor het bouwen van bots te verkennen
• Een voorbeeldchatbot voor Facebook Messenger te maken
• Een voorbeeldchatbot te ontwikkelen met behulp van Microsoft Bot Framework

Doelgroep

• Ontwikkelaars die zelf een bot willen creëren

Cursusvorm

• Een combinatie van lezingen, discussies, oefeningen en uitgebreide praktijkonderdelen

Met Edge AI kunnen kunstmatige intelligentiemodellen rechtstreeks worden uitgevoerd op ingebedde of beperkt bemeten apparaten. Dit leidt tot minder vertraging, lager energieverbruik en een grotere mate van autonomie en privacy binnen robotische systemen.

Deze praktijkgerichte training onder leiding van een instructeur (online of ter plaatse) is bedoeld voor ontwikkelaars van ingebedde systemen en robotica-ontwerpers op middenniveau die machine learning-technieken willen toepassen en optimaliseren op robothardware met behulp van TinyML en Edge AI-frameworks.

Aan het einde van deze training zullen deelnemers in staat zijn om te:

• De basisprincipes van TinyML en Edge AI binnen robotica te begrijpen.
• AI-modellen om te zetten en te implementeren voor inferentie op het apparaat.
• Modellen te optimaliseren qua snelheid, grootte en energie-efficiëntie.
• Edge AI-systemen te integreren in robotbesturingsarchitecturen.
• Prestaties en nauwkeurigheid van modellen te evalueren onder reële omstandigheden.

Opbouw van de cursus

• Interactieve lezingen en discussies.
• Praktische oefeningen met TinyML- en Edge AI-toolsets.
• Hands-on activiteiten op ingebedde systemen en robotplatforms.

Mogelijkheden tot maatwerk

• Wilt u een aangepaste training? Neem dan contact met ons op om de mogelijkheden te bespreken.

Deze praktijkgerichte training onder begeleiding van een instructeur in Nederland (online of op locatie) is bedoeld voor deelnemers met een gemiddelde technische achtergrond die meer willen leren over het gebruik van samenwerkingsrobots (cobots) en andere mensgerichte AI-systemen in moderne werkomgevingen.

Aan het einde van deze training zullen deelnemers in staat zijn om:

• de principes van mensgerichte fysieke AI en de toepassingen ervan te begrijpen;
• de rol van samenwerkingsrobots bij het vergroten van de productiviteit op de werkvloer te onderzoeken;
• uitdagingen in mens-machine-interacties te identificeren en aan te pakken;
• werkstromen te ontwerpen die een optimale samenwerking tussen mensen en door AI aangestuurde systemen bevorderen;
• een innovatieve en flexibele werkcultuur binnen bedrijven die AI integreren te stimuleren.

Automatisering met Industriële Robots: Integratie van ROS en PLC’s & Digitale Tweelingen is een praktijkgerichte cursus die zich richt op het verbinden van industriële automatisering met moderne robotica-architecturen. Deelnemers leren hoe ze ROS-gebaseerde robotsystemen te integreren zijn met PLC’s voor gesynchroniseerde werking, en hoe ze digitale tweelingen kunnen inzetten om productieprocessen te simuleren, monitoren en optimaliseren. De cursus legt de nadruk op interoperabiliteit, real-time besturing en voorspellende analyse met behulp van digitale replica’s van fysieke systemen.

Dit door een docent geleide, live-onderwijsprogramma (online of ter plaatse) is bedoeld voor professionals op intermediair niveau die praktische vaardigheden willen ontwikkelen op het gebied van koppeling tussen ROS-gestuurde robots en PLC-systemen, alsmede het implementeren van digitale tweelingen ten behoeve van automatisering en verbetering van de productieprocessen.

Na afronding van deze cursus zijn de deelnemers in staat tot:

• De communicatieprotocollen tussen ROS- en PLC-systemen te begrijpen.
• Realtime gegevensuitwisseling tussen robots en industriële controllers te realiseren.
• Digitale tweelingen te ontwikkelen voor monitoring, testen en simulatie van processen.
• Sensoren, actuatoren en robotmanipulators effectief te integreren binnen industriële werkstromen.
• Industriële automatisatiesystemen te ontwerpen en te valideren met behulp van hybride simulatiemilieus.

Opbouw van de cursus

• Interactieve lezingen en uitgebreide uitleg over de systeemarchitectuur.
• Praktische oefeningen gericht op integratie van ROS- en PLC-systemen.
• Implementatie van simulaties en projecten rond digitale tweelingen.

Mogelijkheden tot cursusaanpassing

• Wilt u een op maat gemaakte versie van deze cursus? Neem dan contact met ons op om de mogelijkheden te bespreken.

Deze door een instructeur geleide, live-training in Nederland (online of op locatie) is bedoeld voor ingenieurs die willen leren hoe kunstmatige intelligentie kan worden toegepast in mechatronische systemen.

Na afloop van deze training zullen deelnemers in staat zijn tot:

• Een algemeen overzicht krijgen van kunstmatige intelligentie, machine learning en computationele intelligentie.
• De basisconcepten van neurale netwerken en verschillende leermethoden begrijpen.
• Passende AI-aanpakken kiezen voor praktijkproblemen.
• AI-toepassingen implementeren binnen mechatronische systemen.

Meervoudige Robotesystemen en Zwermintelligentie is een geavanceerde opleiding waarin de ontwerp-, coördinatie- en besturingsmethoden van groepen robots worden behandeld, geïnspireerd door natuurlijke zwermgedragingen. Deelnemers leren hoe ze interacties tussen robots kunnen modelleren, gedistribueerde besluitvorming implementeren en de samenwerking tussen meerdere agenten optimaliseren. Het programma combineert theoretische kennis met praktijkgerichte simulaties om professionals voor te bereiden op toepassingen in logistiek, defensie, zoek- en reddingsacties en autonome verkenning.

Deze door een instructeur geleide training (zowel online als fysiek) richt zich op professionals met gevorderde kennis die zelfstandig meervoudige robotesystemen en zwermgebaseerde oplossingen willen ontwerpen, simuleren en implementeren, gebruikmakend van open-source frameworks en algoritmen.

Na afronding van deze training zijn deelnemers in staat tot:

• De kernprincipes en dynamieken van zwermintelligentie en samenwerkende robotica begrijpen.
• Communicatie- en coördinatiestrategieën ontwerpen voor meervoudige robotesystemen.
• Gedistribueerde besluitvorming en consensusalgoritmen implementeren.
• Collectief gedrag simuleren zoals formatiecontrole, samenscholing en dekking van een gebied.
• Zwermgebaseerde technieken toepassen in reële situaties en optimalisatieproblemen.

Opzet van de cursus

• Geavanceerde lezingen met diepgaande besprekingen over algoritmen.
• Praktische oefeningen in programmeren en simuleren via ROS 2 en Gazebo.
• Groepsproject waarbij deelnemers zwermintelligentieprincipes daadwerkelijk toepassen.

Mogelijkheden tot cursusaanpassing

• Wilt u een op maat gemaakte versie van deze cursus? Neem dan contact met ons op om de mogelijkheden te bespreken.

Deze praktijkgerichte, begeleide training in Nederland (online of op locatie) is bedoeld voor ervaren robotica-engineers en AI-onderzoekers die multimodale AI willen gebruiken om verschillende zintuiglijke gegevens te combineren. Hierdoor kunnen ze autonomere en efficiëntere robots creëren die kunnen zien, horen en voelen.

Na afloop van deze training zijn de deelnemers in staat om:

• Multimodale sensoring te implementeren in robotica-systemen.
• AI-algoritmen te ontwikkelen voor het samenvoegen van sensorgegevens en besluitvorming.
• Robots te maken die complexe taken kunnen uitvoeren in dynamische omgevingen.
• Uitdagingen rond real-time gegevensverwerking en actuatie aan te pakken.

Deze door een instructeur geleide, live-training in Nederland (online of op locatie) is bedoeld voor deelnemers op middenniveau die hun vaardigheden willen verbeteren in het ontwerpen, programmeren en implementeren van intelligente robotsystemen voor automatisering en meer.

Aan het einde van deze training zullen deelnemers kunnen:

• De principes van fysieke AI en haar toepassingen in robotica en automatisering begrijpen.
• Intelligente robotsystemen ontwerpen en programmeren voor dynamische omgevingen.
• AI-modellen implementeren waarmee robots zelfstandig beslissingen kunnen nemen.
• Simulatietools benutten voor het testen en optimaliseren van robots.
• Uitdagingen zoals sensorfusie, real-time verwerking en energie-efficiëntie aanpakken.

Deze praktijkgerichte cursus in snelle prototypenbouw voor robotica met ROS 2 en Docker is bedoeld om ontwikkelaars te helpen bij het efficiënt bouwen, testen en implementeren van robottoepassingen. Deelnemers leren hoe ze robotische omgevingen in containers kunnen plaatsen, ROS 2-pakketten integreren en modulaire robotsystemen ontwerpen met behulp van Docker – wat zorgt voor herbruikbaarheid en schaalbaarheid. De cursus legt de nadruk op wendbaarheid, versiebeheer en samenwerkingsmethoden die geschikt zijn voor innovatieve ontwikkelingsteams in een vroeg stadium.

Deze door instructeurs geleide live-training (online of op locatie) richt zich op deelnemers met basis- tot middenkennis die hun ontwikkelingsprocessen voor robotica willen versnellen met behulp van ROS 2 en Docker.

Aan het einde van deze training zullen deelnemers in staat zijn om:

• Een ROS 2-ontwikkelomgeving op te zetten binnen Docker-containers.
• Robotprototypen te ontwikkelen en testen in modulaire, herbruikbare omgevingen.
• Simulatietools te gebruiken om het gedrag van systemen te valideren vóór daadwerkelijke hardware-implementatie.
• Effectief samen te werken aan containergebaseerde robotprojecten.
• Continuïteitsprincipes voor integratie en implementatie toe te passen binnen robotsystemen.

Vorm van de cursus

• Interactieve lezingen en demonstraties.
• Praktische oefeningen met ROS 2- en Docker-omgevingen.
• Mini-projecten gericht op reële robottoepassingen.

Opties voor cursusaanpassing

• Voor een op maat gemaakte training kunt u contact met ons opnemen om de details te bespreken.

Versterkend leren (Reinforcement Learning, RL) is een vorm van machine learning waarbij agenten door interactie met hun omgeving beslissingen leren nemen. In de robotica maakt versterkend leren het mogelijk dat autonome systemen zich aanpassen en zelfstandig besluiten nemen op basis van ervaring en feedback.

Deze door een docent begeleide, live-training (online of ter plaatse) is bedoeld voor machine learning-engineers met gevorderde kennis, onderzoekers in de robotica en ontwikkelaars die versterkend leren-algoritmes willen ontwerpen, implementeren en toepassen in robotische systemen.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De basisprincipes en wiskundige onderbouwing van versterkend leren te begrijpen.
• RL-algoritmes zoals Q-learning, DDPG en PPO te implementeren.
• Versterkend leren te integreren met simulatiemilieus voor robots via OpenAI Gym en ROS 2.
• Robots te trainen zodat ze complexe taken zelfstandig uitvoeren, door trial and error.
• De trainingsefficiëntie te optimaliseren met behulp van diep leren-frameworks zoals PyTorch.

Opzet van de cursus

• Interactieve lezingen en discussies.
• Praktische implementatie met Python, PyTorch en OpenAI Gym.
• Hands-on oefeningen in gesimuleerde of daadwerkelijke robotomgevingen.

Opties voor cursusaanpassing

• Wilt u een op maat gemaakte training? Neem dan contact met ons op om de mogelijkheden te bespreken.

Robotmanipulatie en -grijpen met diep leren is een gevorderde cursus waarin de robotica-controle wordt verbonden met moderne technieken uit het machine learning. Deelnemers komen te weten hoe deep learning kan bijdragen aan het waarnemen, plannen van bewegingen en het behendig grijpen door robotsystemen. Middels theorie, simulaties en praktische programmeeroefeningen leidt deze cursus leerlingen van perceptie-gebaseerde besturing tot eind-tot-einde-policyleren voor manipulatie-activiteiten.

Deze onder begeleiding van een instructeur gegeven, live-training (online of op locatie) is bedoeld voor professionals met gevorderde kennis die deep learning willen inzetten om intelligente, flexibele en nauwkeurige robotmanipulatiesystemen te realiseren.

Na afloop van deze training zullen deelnemers in staat zijn om:

• Perceptiemodellen te ontwikkelen voor objectherkenning en bepaling van de positie.
• Neurale netwerken te trainen voor het opsporen van geschikte grijppunten en het plannen van bewegingen.
• Deep learning-modulen te integreren met robotcontrollers via ROS 2.
• Grijp- en manipulatiestrategieën te simuleren en beoordelen in virtuele omgevingen.
• Getrainde modellen te implementeren en optimaliseren op zowel echte als gesimuleerde robotarmen.

Vorm van de cursus

• Door experts geleide lezingen en gedetailleerde behandeling van algoritmen.
• Praktische programmeer- en simulatie-oefeningen.
• Implementatie van projecten onder begeleiding van de instructeur.

Mogelijkheden tot cursusaanpassing

• Heeft u een op maat gemaakte training gewenst? Neem dan contact met ons op om dit te regelen.

Slimme robotica houdt in dat kunstmatige intelligentie wordt geïntegreerd in robotsystemen om hun waarnemingsvermogen, besluitvorming en zelfstandige besturing te verbeteren.

Deze door een instructeur geleide training (online of op locatie) is bedoeld voor ervaren robotica-engineers, systeemintegratoren en specialisten in automatisering die AI-gebaseerde waarneming, planning en besturing willen toepassen in slimme productieomgevingen.

Na afronding van deze training zullen deelnemers in staat zijn om:

• AI-technieken te begrijpen en toe te passen op robotische waarneming en sensorfusion.
• Algoritmen voor bewegingsplanning te ontwikkelen voor zowel samenwerkende als industriële robots.
• Leerbare besturingsstrategieën in te zetten voor real-time besluitvorming.
• Intelligent ontwerp van robotsystemen te integreren binnen workflows van slimme fabrieken.

Opzet van de cursus

• Interactieve lezingen en discussies.
• Tal van oefeningen en praktijkopdrachten.
• Praktische implementatie in een live-labomgeving.

Mogelijkheden tot aanpassing van de cursus

• Wilt u een op maat gemaakte training? Neem dan contact met ons op om de mogelijkheden te bespreken.