Course Outline

Sectie 01

Dag 01 Introductie

    Wat maakt een slimme robot slim?

Fysiek versus virtueel Smart Robots

    Smart Robots, Slimme machines, Sentient Machines en Robotic Process Automation (RPA), enz.

De rol van kunstmatige intelligentie (AI) in Smart Robots

    Voorbij 'als-dan-anders' en de leermachine De algoritmen achter AI AI in Smart Robots: machinaal leren, computervisie, natuurlijke taalverwerking (NLP), enz. Cognitieve robotica

De rol van big data in Smart Robots

    Besluitvorming op basis van data en patronen

De wolk en Smart Robots

    Robotica koppelen aan IT Het bouwen van functionelere robots die toegang hebben tot meer informatie en samenwerken

Casestudy: Mechanisch Smart Robots

    Industrieel Smart Robots Baxter
Personal Service Robots Huishoudrobots die ouderen assisteren, slimme zelfrijdende auto’s
  • Professionele servicerobots Landbouwrobots in de melkveehouderij
  • Hardwarecomponenten van een slimme robot
  • Motoren, sensoren, microcontrollers, camera's, enz.
  • Gemeenschappelijke elementen van Smart Robots

      Machine vision, stemherkenning, spraaksynthese, nabijheidsdetectie, drukdetectie, enz.

    Ontwikkelingskaders voor Programming een slimme robot

      Open source en commerciële raamwerken Robotbesturingssysteem (ROS) Architectuur: werkruimte, onderwerpen, berichten, services, knooppunten, actionlibs, tools, enz.

    Talen voor Programming een slimme robot

      C++ voor besturing op laag niveau van Python voor orkestratie Programmering ROS knooppunten in Python en C ++ Andere talen

    Hulpmiddelen voor het simuleren van een fysieke slimme robot

      Commerciële en open source 3D-simulatie- en visualisatiesoftware

    Het voorbereiden van de ontwikkelomgeving

      Software-installatie en configuratie Handige pakketten en hulpprogramma's

    Dag 02 Programming de Slimme Robot

      Programmeren van een knooppunt in Python en C++ Begrijpen van ROS knooppunt Berichten en onderwerpen in ROS Publicatie-/abonnementsparadigma Project: Bump & Go met echte robot Probleemoplossing Simulatie van robots met Gazebo / ROS Frames in ROS en referentie veranderingen 2D-informatieverwerking van camera's met OpenCV Informatieverwerking van een laser Project: Veilig volgen van objecten op kleur Probleemoplossing

    Dag 03 Programming de slimme robot (vervolg...)

      Diensten in ROS 3D-informatieverwerking van RGB-D-sensoren met PCL Maps en navigatie met ROS Project: Search voor objecten in de omgeving Probleemoplossing

     

      Sectie 02

    Dag 04 Programming de slimme robot (vervolg...)

    ActionLib Speech Recognition en spraakgeneratie Robotarmen besturen met MoveIt! Besturing van robothals voor actief zicht Project: Zoeken en verzamelen van objecten Probleemoplossing

    Uw slimme robot testen

      Testen van een eenheid

    Dag 05 De mogelijkheden van een slimme robot uitbreiden met Deep Learning

      Perceptie - visie, audio en haptiek Kennisrepresentatie Stemherkenning via NLP (natuurlijke taalverwerking) Computer visie

    Spoedcursus in Deep Learning

      Kunstmatig Neural Networks (ANN's) Kunstmatig Neural Networks versus biologisch Neural Networks Feedforward Neural Networks Activeringsfuncties Training Kunstmatig Neural Networks

    Dag 06 Spoedcursus in Deep Learning (Vervolg...)

      Deep Learning Modelleert convolutionele netwerken en terugkerende netwerken

    Convolutioneel Neural Networks (CNN's of ConvNets) Convolutielaag

      Poolinglaag
    Convolutionele Neural Networks Architectuur
  • Sectie 03
  • Dag 07 Spoedcursus in Deep Learning (Vervolg...)
  • Terugkerend Neural Networks (RNN) Trainen van een RNN Stabiliserende gradiënten tijdens training Lange-kortetermijngeheugennetwerken
  • Deep Learning-platforms en softwarebibliotheken Deep Learning in ROS

    Dag 08 Gebruik Big Data in uw slimme robot

      Big data-concepten Benaderingen van data-analyse Big Data-tooling Patronen in de data herkennen Oefening: NLP en Computer Vision over grote datasets
    Dag 09 Big Data gebruiken in uw slimme robot (vervolg...)
  • Gedistribueerde verwerking van grote datasets Co-existentie en kruisbestuiving van Big Data en Robotics De slimme robot als generator van gegevens Bereikmeetsensoren, positie-, visuele, tactiele sensoren en andere modaliteiten
  • Zintuiglijke gegevens begrijpen (sense-plan-act loop)

      Oefening: streaminggegevens vastleggen

     

      Sectie 04
    Dag 10 Programming een autonome, deep learning slimme robot
  • Deep Learning robotcomponenten De robotsimulator instellen Een CUDA-versneld neuraal netwerk uitvoeren met Cafe Probleemoplossing
  • Dag 11 Programming een autonome, deep learning slimme robot (vervolg...)
  • Herkennen van objecten in foto's of videostreams Computervisie inschakelen met OpenCV Probleemoplossing

    Dag 12 Gegevensanalyse

    De Smart Robot gebruiken om nieuwe gegevens te verzamelen en te ordenen

      Samen een slimme robot bouwen

    Uw slimme robot implementeren op fysieke hardware

      Bewaking en onderhoud Smart Robots in het veld

    Uw robot beveiligen

      Ongeautoriseerde manipulatie voorkomen Voorkomen dat hackers gevoelige bedrijfsgegevens (creditcard-, werknemersinformatie, enz.) kunnen bekijken en stelen

    Deelnemen aan de Robotics gemeenschap

    Toekomstperspectieven voor Smart Robots

    Slotopmerkingen

    Requirements

    • Programmeerervaring in C++
    • Programmeerervaring in Python
    • Ervaring met Linux-opdrachtregel
      84 Hours
     

    Related Courses

    AI and Robotics for Nuclear - Extended

      120 Hours

    AI and Robotics for Nuclear

      80 Hours

    Related Categories