Artificial Intelligence (AI) voor Mechatronica Training Cursus

Artificial Intelligence (AI) voor Robotics combineert machine learning, besturingssystemen en sensorfusie om slimme machines te creëren die in staat zijn tot waarnemen, redeneren en autonoom handelen. Met moderne tools zoals ROS 2, TensorFlow en OpenCV kunnen ingenieurs nu robots ontwerpen die navigeren, plannen en intelligent met de echte wereld omgaan.

Dit instructeurgeleide, live-training (online of ter plaatse) is gericht op ingenieurs op middelvorderling-niveau die AI-gedreven robotische systemen willen ontwikkelen, trainen en implementeren met huidige open-source technologieën en frameworks.

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

• Python en ROS 2 gebruiken om robotgedrag te bouwen en simuleren.
• Kalman- en Partikel Filters implementeren voor lokalizatie en tracking.
• Computer vision technieken met OpenCV toepassen voor waarneming en objectdetectie.
• TensorFlow gebruiken voor bewegingsvoorspelling en leren gebaseerde besturing.
• SLAM (Simultaneous Localization and Mapping) integreren voor autonome navigatie.
• Reinforcement learning modellen ontwikkelen om robottische besluitvorming te verbeteren.

Cursusindeling

• Interactieve les en discussie.
• Praktijkgerichte implementatie met ROS 2 en Python.
• Praktische oefeningen in gesimuleerde en echte robotomgevingen.

Cursusaanpassingsopties

Contacteer ons voor een aangepaste training voor deze cursus.

In deze door een instructeur geleide, live training (online of ter plaatse), leren deelnemers de verschillende technologieën, frameworks en technieken voor het programmeren van verschillende soorten robots die in het veld van kerntechnologie en milieusystemen worden gebruikt.

De 6-weken durende cursus vindt 5 dagen per week plaats. Elk dag is 4 uur lang en bestaat uit lezingen, discussies en hands-on robotontwikkeling in een live labomgeving. Deelnemers voltooien verschillende real-world projecten toepasbaar op hun werk om hun verworven kennis in de praktijk te brengen.

De doelhardware voor deze cursus wordt gesimuleerd in 3D via simulatiesoftware. De ROS (Robot Operating System) open-source framework, C++ en Python worden gebruikt voor het programmeren van de robots.

Aan het einde van deze training kunnen deelnemers:

• De sleutelconcepten begrijpen die in robottechnologieën worden gebruikt.
• De interactie tussen software en hardware in een robotisch systeem begrijpen en beheren.
• De softwarecomponenten begrijpen en implementeren die de basis vormen van robotica.
• Een gesimuleerde mechanische robot bouwen en bedienen die kan zien, waarnemen, verwerken, navigeren en met mensen interageren via stem.
• De noodzakelijke elementen van kunstmatige intelligentie (machine learning, deep learning, enz.) begrijpen die van toepassing zijn op het bouwen van een slimme robot.
• Filters (Kalman en Particle) implementeren om de robot in staat te stellen bewegende objecten in zijn omgeving te lokaliseren.
• Zoekalgoritmen en bewegingplanning implementeren.
• PID-regelingen implementeren om de beweging van een robot in een omgeving te reguleren.
• SLAM-algoritmen implementeren om een robot in staat te stellen een onbekende omgeving in kaart te brengen.
• De mogelijkheden van een robot om complexe taken uit te voeren uit te breiden via Deep Learning.
• Een robot testen en problemen oplossen in realistische scenario's.

In deze door een instructeur geleide live training in Nederland (online of op locatie), leren de deelnemers de verschillende technologieën, frameworks en technieken voor het programmeren van verschillende soorten robots die gebruikt worden in het veld van nucleaire technologie en milieusystemen.

De 4-wekse cursus wordt 5 dagen per week gehouden. Elk dag duurt 4 uur en bestaat uit colleges, discussies en praktische robotontwikkeling in een live labomgeving. Deelnemers voltooien verschillende real-world projecten die van toepassing zijn op hun werk om hun verworven kennis te oefenen.

De doelhardware voor deze cursus wordt gesimuleerd in 3D door simulatiesoftware. De code wordt vervolgens op de fysieke hardware (Arduino of een ander type) geladen voor de finale test van implementatie. Het ROS (Robot Operating System) open-source framework, C++ en Python worden gebruikt voor het programmeren van de robots.

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

• De sleutelconcepten te begrijpen die worden gebruikt in robottechnologieën.
• Het interactieproces tussen software en hardware in een robotsysteem te begrijpen en te beheren.
• De softwarecomponenten te begrijpen en te implementeren die ten grondslag liggen aan robotica.
• Een gesimuleerde mechanische robot te bouwen en te bedienen die kan zien, waarnemen, verwerken, navigeren en met mensen via stem interacteren.
• De noodzakelijke elementen van kunstmatige intelligentie (machine learning, deep learning, etc.) te begrijpen die van toepassing zijn op het bouwen van een slimme robot.
• Filters (Kalman en Particle) te implementeren om de robot in staat te stellen bewegende objecten in zijn omgeving te lokaliseren.
• Zoekalgoritmen en bewegingplanning te implementeren.
• PID-regelingen te implementeren om de beweging van een robot binnen een omgeving te reguleren.
• SLAM-algoritmen te implementeren om een robot in staat te stellen een onbekende omgeving in kaart te brengen.
• Een robot te testen en te troubleshooten in realistische scenario's.

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

Dit instructeurgeleide, live training (online of ter plaatse) is gericht op middelvorderling-robotica ingenieurs en ontwikkelaars die autonome navigatie en SLAM (Simultaneous Localization and Mapping) willen implementeren met ROS 2.

Na het volgen van deze training zullen de deelnemers in staat zijn om:

• ROS 2 in te stellen en te configureren voor autonome navigatie-applicaties.
• SLAM-algoritmen te implementeren voor kartografie en lokalizering.
• Sensoren zoals LiDAR en camera's te integreren met ROS 2.
• Autonome navigatie in Gazebo te simuleren en te testen.
• Navigatiesystemen op fysieke robots te implementeren.

Cursusopzet

• Interactieve les en discussie.
• Praktijkervaring met ROS 2-hulpmiddelen en simuleringsomgevingen.
• Live-lab implementatie en testen op virtuele of fysieke robots.

Cursusaanpassingsopties

• Voor een aangepaste training voor deze cursus, neem contact met ons op om de details te bespreken.

Het Azure Bot Service combineert de kracht van de Microsoft Bot Framework en Azure Functions om snel intelligente bots te ontwikkelen.

In deze door een instructeur geleide, live training zullen de deelnemers leren hoe ze eenvoudig een intelligente bot kunnen maken met behulp van Microsoft Azure

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

• Het basisprincipe van intelligente bots begrijpen
• Leren hoe je intelligente bots kunt creëren met behulp van cloud-applicaties
• Inzicht krijgen in het gebruik van de Microsoft Bot Framework, de Bot Builder SDK en de Azure Bot Service
• Leren hoe je bots kan ontwerpen met behulp van bot-patronen
• Hun eerste intelligente bot ontwikkelen met behulp van Microsoft Azure

Doelgroep

• Ontwikkelaars
• Hobbyïsten
• Ingenieurs
• IT-professionals

Opzet van de cursus

• Gedeeltelijk college, gedeeltelijk discussie, oefeningen en veel praktijkwerk

OpenCV is een open-source computer vision bibliotheek die real-time beeldverwerking mogelijk maakt, terwijl deep learning frameworks zoals TensorFlow de tools bieden voor intelligente perceptie en besluitvorming in robotische systemen.

Deze instructeur-led, live training (online of op locatie) is gericht op intermediate-niveau robotics ingenieurs, computer vision practitioners, en machine learning engineers die computer vision en deep learning technieken willen toepassen voor robotische perceptie en autonomie.

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

• Computer vision pipelines te implementeren met OpenCV.
• Deep learning modellen voor objectdetectie en herkenning te integreren.
• Vision-based data voor robotische besturing en navigatie te gebruiken.
• Klassieke vision algoritmen met deep neural networks te combineren.
• Computer vision systemen op embedded en robotische platforms te deployen.

Format van het Cursus

• Interactieve lezing en discussie.
• Paswerk met OpenCV en TensorFlow.
• Livelab implementatie op gesimuleerde of fysieke robotische systemen.

Cursus Customisatie Opties

• Voor een aangepaste training voor deze cursus, neem contact met ons op om te regelen.

Een bot of chatbot is een soort computerassistent die wordt gebruikt om gebruikersinteracties op verschillende berichtenplatforms te automatiseren en dingen sneller gedaan te krijgen zonder dat gebruikers met een ander mens hoeven te praten.

In deze door een instructeur geleide, live training leren deelnemers hoe ze aan de slag kunnen gaan met het ontwikkelen van een bot terwijl ze stap voor stap het maken van voorbeeldchatbots doorlopen met behulp van botontwikkeltools en -frameworks.

Aan het einde van deze training kunnen deelnemers:

• Begrijp de verschillende toepassingen en toepassingen van bots
• Begrijp het volledige proces bij het ontwikkelen van bots
• Ontdek de verschillende tools en platforms die worden gebruikt bij het bouwen van bots
• Bouw een voorbeeldchatbot voor Facebook Messenger
• Bouw een voorbeeldchatbot met behulp van Microsoft Bot Framework

Publiek

• Ontwikkelaars die geïnteresseerd zijn in het maken van hun eigen bot

Vorm van de cursus

• Deels hoorcollege, deels discussie, oefeningen en zware praktijkoefeningen

Edge AI maakt het mogelijk dat kunstmatige intelligentiemodellen direct op ingebedde of middelengebrekken devices draaien. Hierdoor wordt de latency verminderd en wordt er minder energie verbruikt, terwijl tegelijkertijd autonomie en privacy in robotische systemen worden vergroot.

Dit instructeurgeleide live-training (online of op locatie) is gericht op middeliveau ingebedde ontwikkelaars en robotica-ingenieurs die wensen om machine learning inferentie- en optimalisatietechnieken direct op robotische hardware te implementeren met behulp van TinyML en edge AI-frameworks.

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

• De basisprincipes van TinyML en edge AI voor robotica te begrijpen.
• AI-modellen om te zetten en te implementeren voor op-apparaat inferentie.
• Modellen te optimaliseren voor snelheid, grootte en energie-efficiëntie.
• Edge AI-systemen te integreren in robotische controle-architecturen.
• Prestatie en nauwkeurigheid in praktijkscenario's te evalueren.

Cursusopzet

• Interactieve lezing en discussie.
• Practica met TinyML en edge AI-hulpmiddelen.
• Praktische oefeningen op ingebedde en robotica-hardwareplatforms.

Cursusaanpassingsmogelijkheden

• Neem contact met ons op voor een aangepaste training voor deze cursus.

Deze door een docent geleide, live training op Nederland (online of op locatie) is gericht op deelnemers met een tussenniveau die de rol van samenwerkende robots (cobots) en andere mensgerichte AI-systemen in moderne werkplekken willen verkennen.

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

• De principes van Human-Centric Physical AI en de toepassingen ervan te begrijpen.
• De rol van samenwerkende robots bij het verbeteren van de productiviteit op de werkplek te verkennen.
• Uitdagingen bij mens-machine interacties te identificeren en aan te pakken.
• Werkstromen te ontwerpen die de samenwerking tussen mensen en AI-gestuurde systemen optimaliseren.
• Een cultuur van innovatie en aanpassingsvermogen in AI-geïntegreerde werkplekken te bevorderen.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor deelnemers op intermidiate niveau die hun vaardigheden in het ontwerpen, programmeren en implementeren van intelligente robotische systemen voor automatisering en meer willen verbeteren.

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

• De principes van Physical AI en zijn toepassingen in robotica en automatisering te begrijpen.
• Intelligente robotische systemen ontwerpen en programmeren voor dynamische omgevingen.
• AI-modellen implementeren voor autonome besluitvorming in robots.
• Simulatietools gebruiken voor robo testing en optimalisatie.
• Uitdagingen zoals sensorfusi, real-time verwerking en energie-efficiëntie aanpakken.

Reinforcement learning (RL) is een machine learning-paradigma waarbij agents leren om beslissingen te nemen door interactie met een omgeving. In de robotica stelt RL autonome systemen in staat om aanpasbare controle- en besluitvormingscapaciteiten te ontwikkelen via ervaring en feedback.

Dit instructeur-geloodste, live-training (online of ter plaatse) is gericht op geavanceerde machine learning-ingenieurs, robotica-onderzoekers en ontwikkelaars die wensen om reinforcement learning-algoritmen in robottische toepassingen te ontwerpen, te implementeren en te implementeren.

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

• De principes en wiskunde van reinforcement learning begrijpen.
• RL-algoritmen zoals Q-learning, DDPG en PPO te implementeren.
• RL te integreren met robottische simulatieomgevingen met behulp van OpenAI Gym en ROS 2.
• Robots via trial and error autonoom complexe taken uit te laten voeren.
• De trainingsefficiëntie te optimaliseren met deep learning-frameworks zoals PyTorch.

Cursusindeling

• Interactieve lezing en discussie.
• Pas op de toepassing met Python, PyTorch en OpenAI Gym.
• Praktische oefeningen in gesimuleerde of fysieke robottische omgevingen.

Cursusaanpassingsmogelijkheden

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

Veilig & Verklaarbaar Robotica is een omvattende opleiding gericht op veiligheid, verificatie en ethische besturing van robotische systemen. De cursus brengt theorie en praktijk samen door methodologieën voor veilige gevallen, risico-analyse en verklaarbare AI-benaderingen te onderzoeken die de besluitvorming van robots transparant en betrouwbaar maken. Deelnemers leren hoe ze naleving kunnen waarborgen, gedragingsaspecten kunnen verifiëren en veiligheidszekerheid in overeenstemming met internationale normen kunnen documenteren.

Deze instructeur-gelijnde, live-opleiding (online of ter plaatse) is gericht op professionals op middel niveau die verificatie-, validatie- en verklaarbaarheidsprincipes willen toepassen om de veilige en ethische implementatie van robotische systemen te waarborgen.

Aan het einde van deze opleiding zullen deelnemers in staat zijn:

• Veilige gevallen voor robotische en autonome systemen te ontwikkelen en documenteren.
• Verificatie- en validatietechnieken in simulatieomgevingen toe te passen.
• Verklaarbare AI-frameworks voor besluitvorming van robots te begrijpen.
• Veiligheids- en ethische principes in systeemontwerp en -operatie te integreren.
• Veiligheidseisen en transparantie aan belanghebbenden duidelijk te maken.

Formaat van de Cursus

• Interactieve lezing en discussie.
• Praktijkwerk in simulatieomgevingen en veiligheidsanalyse-oefeningen.
• Casestudies uit de praktijk van robotica-toepassingen.

Cursus Aanpassingsmogelijkheden

• Om een aangepaste opleiding voor deze cursus aan te vragen, neemt u contact met ons op om dit te regelen.

Een slimme robot is een Artificial Intelligence (AI) systeem dat kan leren van zijn omgeving en zijn ervaring en op basis van die kennis kan voortbouwen op zijn capaciteiten. Smart Robots kan samenwerken met mensen, naast hen werken en leren van hun gedrag. Bovendien hebben ze de capaciteit om niet alleen handenarbeid te verrichten, maar ook cognitieve taken. Naast fysieke robots kunnen Smart Robots ook puur op software gebaseerd zijn, die zich in een computer bevinden als een softwaretoepassing zonder bewegende delen of fysieke interactie met de wereld.

In deze door een instructeur geleide, live training leren deelnemers de verschillende technologieën, frameworks en technieken voor het programmeren van verschillende soorten mechanische Smart Robots en passen ze deze kennis vervolgens toe om hun eigen Smart Robot-projecten te voltooien.

De cursus is verdeeld in 4 secties, elk bestaande uit drie dagen lezingen, discussies en hands-on robotontwikkeling in een live lab-omgeving. Elk onderdeel wordt afgesloten met een praktisch hands-on project om de deelnemers in staat te stellen hun opgedane kennis te oefenen en te demonstreren.

De doelhardware voor deze cursus wordt in 3D gesimuleerd door middel van simulatiesoftware. Het ROS (Robot Operating System) open-source framework, C++ en Python zullen worden gebruikt voor het programmeren van de robots.

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

• Begrijp de belangrijkste concepten die worden gebruikt in robottechnologieën
• Begrijp en beheer de interactie tussen software en hardware in een robotsysteem
• Begrijp en implementeer de softwarecomponenten die ten grondslag liggen aan Smart Robots
• Bouw en bedien een gesimuleerde mechanische slimme robot die mensen via spraak kan zien, voelen, verwerken, vastpakken, navigeren en ermee kan communiceren
• Breid het vermogen van een slimme robot uit om complexe taken uit te voeren door middel van Deep Learning
• Test en los problemen op met een slimme robot in realistische scenario's

Audiëntie

• Ontwikkelaars
• Ingenieurs

Vorm van de cursus

• Deels lezing, deels discussie, oefeningen en zware hands-on oefening

Notitie

• Neem contact met ons op om een onderdeel van deze cursus aan te passen (programmeertaal, robotmodel, enz.) om dit te regelen.

Smart Robotics is de integratie van kunstmatige intelligentie in robotische systemen voor verbeterde perceptie, besluitvorming en autonome besturing.

Deze door de docent geleide, live-training (online of op locatie) is bedoeld voor geavanceerde robotica-ingenieurs, systeemintegratoren en automatiseringsleiders die AI-gestuurde perceptie, planning en besturing willen implementeren in slimme productieomgevingen.

Aan het einde van deze training kunnen de deelnemers:

• AI-technieken begrijpen en toepassen voor robotische perceptie en sensorfusie.
• Bewegingsplanningsalgorithmen ontwikkelen voor samenwerkende en industriële roboten.
• Leergebaseerde besturingsstrategieën inzetten voor real-time besluitvorming.
• Intelligente robotische systemen integreren in slimme fabriekswerkstromen.

Opzet van de cursus

• Interactieve lezing en discussie.
• Veel oefeningen en praktijk.
• Handson-implementatie in een live-labomgeving.

Opties voor cursusaanpassing

• Voor een aangepaste training voor deze cursus, neem dan contact met ons op om dit te regelen.