Robotmanipulatie en Grasping met Deep Learning Training Cursus

Artificiële Intelligentie (AI) voor Robotica combineert machine learning, regelsystemen en sensorfusie om intelligente machines te creëren die in staat zijn om waar te nemen, te redeneren en autonoom te handelen. Door moderne tools zoals ROS 2, TensorFlow en OpenCV kunnen ingenieurs nu robots ontwerpen die intelligent navigeren, plannen en interacteren met de echte wereld.

Deze instructeur-leden training (online of op locatie) is gericht op middelvorderlingen in de techniek die AI-geleide robotische systemen willen ontwikkelen, trainen en implementeren met behulp van huidige open-source technologieën en frameworks.

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

• Python en ROS 2 gebruiken om robotgedrag te bouwen en te simuleren.
• Kalman- en Partikelfilters implementeren voor lokalisering en tracking.
• Computer vision technieken gebruiken met OpenCV voor perceptie en objectdetectie.
• TensorFlow gebruiken voor bewegingsvoorspelling en learning-based controle.
• SLAM (Simultaneous Localization and Mapping) integreren voor autonome navigatie.
• Reinforcement learning modellen ontwikkelen om de besluitvorming van robots te verbeteren.

Format van het Cursus

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

Cursus Aanpassingsmogelijkheden

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

Tijdens deze live training, geleid door een instructeur in Nederland (online of ter plaatse), zullen deelnemers leren over verschillende technologieën, frameworks en technieken voor het programmeren van verschillende soorten robots die worden gebruikt in de kernenergie- en milieusystemen.

De 6-weken durende cursus wordt vijf dagen per week gegeven. Elke dag duurt vier uur en bestaat uit lezingen, discussies en praktijkwerk met robots in een live labomgeving. Deelnemers zullen verschillende real-life projecten afwerken die toepasbaar zijn op hun werk om hun verworven kennis te oefenen.

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

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

• De belangrijkste concepten van robotietechnologieën begrijpen.
• Het onderlinge werken tussen software en hardware in een robotsysteem begrijpen en beheren.
• De softwarecomponenten die de basis vormen van robotica begrijpen en implementeren.
• Een gesimuleerde mechanische robot bouwen en bedienen die kan zien, voelen, verwerken, navigeren en met mensen via stem interacteren.
• De noodzakelijke elementen van kunstmatige intelligentie (machine learning, deep learning, etc.) begrijpen die toepasbaar zijn voor het bouwen van een slimme robot.
• Filters (Kalman en Particle) implementeren om de robot in staat te stellen bewegende objecten in haar omgeving te lokaliseren.
• Zoekalgoritmen en bewegingsplanning implementeren.
• PID-besturingen implementeren om de beweging van een robot binnen een omgeving te reguleren.
• SLAM-algoritmen implementeren om een robot in staat te stellen een onbekende omgeving op te meten.
• De mogelijkheden van een robot uitbreiden om complexe taken uit te voeren via Deep Learning.
• Een robot in realistische scenario's testen en oplossen.

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

De 4-weken durende cursus wordt 5 dagen per week gegeven. Elke dag is 4 uur lang en bestaat uit lezingen, discussies en handson robotontwikkeling in een live labomgeving. De deelnemers zullen verschillende praktijkprojecten voltooien die van toepassing zijn op hun werk, om hun verworven kennis te oefenen.

Het doelmatige hardware voor deze cursus zal in 3D worden gesimuleerd via simulatieprogrammering. De code zal vervolgens worden geladen op fysieke hardware (Arduino of andere) voor de eindtest. De open-source framework ROS (Robot Operating System), C++ en Python zullen worden gebruikt voor het programmeren van de robots.

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

• De belangrijkste concepten te begrijpen die worden gebruikt in robotietechnologie.
• Het onderlinge werk van software en hardware in een robotsysteem te begrijpen en te beheren.
• De softwarecomponenten die de basis vormen voor robotics te begrijpen en te implementeren.
• Een gesimuleerde mechanische robot te bouwen en bedienen die kan zien, voelen, verwerken, navigeren en interactie aangaan met mensen via stem.
• 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 haar omgeving te lokaliseren.
• Zoekalgoritmen en bewegingsplanning te implementeren.
• PID-regelingen te implementeren om de beweging van een robot in een omgeving te reguleren.
• SLAM-algoritmen te implementeren om een robot in staat te stellen een onbekende omgeving te cartograferen.
• Een robot te testen en oplosteknikken toe te passen 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 instructeur-geduurde, live training in Nederland (online of ter plaatse) is gericht op middelvorderlingen die willen ontdekken hoe samenwerkende robots (cobots) en andere mensgerichte AI-systemen een rol spelen in moderne werkplekken.

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

• De principes van Mensgerichte Fysieke AI en haar toepassingen begrijpen.
• De rol van samenwerkende robots in het verhogen van de werktefficiëntie verkennen.
• Uitdagingen in mens-machine interacties identificeren en aanpakken.
• Werkprocessen ontwerpen die de samenwerking tussen mensen en AI-aangedreven systemen optimaliseren.
• Een cultuur van innovatie en flexibiliteit bevorderen in werkplekken met geïntegreerde AI.

Deze instructiegerichte, live training in Nederland (online of ter plekke) is gericht op ingenieurs die willen leren over de toepasbaarheid van kunstmatige intelligentie in mechatronische systemen.

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

• Een overzicht te krijgen van kunstmatige intelligentie, machine learning en computationele intelligentie.
• De concepten van neurale netwerken en verschillende leermethoden te begrijpen.
• Effectief kunstmatige intelligentiebenaderingen te kiezen voor echte problemen.
• AI-toepassingen in mechatronische techniek te implementeren.

Deze instructeurgeleide, live-training in Nederland (online of on-site) is gericht op geavanceerde robotica-ingenieurs en AI-onderzoekers die Multimodale AI willen gebruiken voor het integreren van verschillende sensorische gegevens om autonoomere en efficiëntere robots te creëren die kunnen zien, horen en voelen.

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

• Multimodale sensering te implementeren in robotische systemen.
• AI-algoritmen voor sensorfusie en besluitvorming te ontwikkelen.
• Robots te creëren die complexe taken in dynamische omgevingen kunnen uitvoeren.
• Uitdagingen op het gebied van real-time gegevensverwerking en actuaties aan te pakken.

Deze instructeurgeleide, live training in Nederland (online of ter plekke) is gericht op deelnemers op een geavanceerd beginnend niveau die willen verbeteren in het ontwerpen, programmeren en implementeren van intelligente robotische systemen voor automatisering en meer.

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

• De principes van Fysieke AI en haar toepassingen in robotica en automatisering te begrijpen.
• Intelligente robotische systemen voor dynamische omgevingen te ontwerpen en programmeren.
• AI-modellen voor autonome besluitvorming in robots te implementeren.
• Simulatiehulpmiddelen te gebruiken voor robottesten en optimalisatie.
• Uitdagingen zoals sensorfusie, real-time verwerking en energieëfficiëntie aan te pakken.

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.

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.