Kursus Pelatihan Navigasi Otonom & SLAM dengan ROS 2

Kecerdasan Buatan (AI) untuk Robotika menggabungkan pembelajaran mesin, sistem kontrol, dan fusi sensor untuk menciptakan mesin pintar yang mampu merasakan, berpikir, dan bertindak secara otonom. Melalui alat modern seperti ROS 2, TensorFlow, dan OpenCV, insinyur sekarang dapat mendesain robot yang mampu menavigasi, merencanakan, dan berinteraksi dengan lingkungan dunia nyata secara cerdas.

Pelatihan ini dipimpin instruktur (online atau tatap muka) ditujukan untuk insinyur tingkat menengah yang ingin mengembangkan, melatih, dan menerapkan sistem robot berbasis AI menggunakan teknologi dan kerangka kerja open-source terkini.

Setelah pelatihan ini, peserta akan dapat:

• Menggunakan Python dan ROS 2 untuk membangun dan mensimulasikan perilaku robot.
• Implementasi Kalman Filter dan Particle Filters untuk lokalisasi dan pelacakan.
• Menjalankan teknik visi komputer menggunakan OpenCV untuk persepsi dan deteksi objek.
• Menggunakan TensorFlow untuk prediksi gerakan dan kontrol berbasis pembelajaran.
• Integrasi SLAM (Simultaneous Localization and Mapping) untuk navigasi otonom.
• Mengembangkan model pembelajaran penguatan untuk meningkatkan pengambilan keputusan robot.

Format Kursus

• Pertemuan interaktif dan diskusi.
• Implementasi praktis menggunakan ROS 2 dan Python.
• Latihan praktik dengan lingkungan robot yang disimulasikan dan nyata.

Opsi Penyesuaian Kursus

Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengatur.

Dalam pelatihan online langsung atau pelatihan langsung tatap muka ini yang dipimpin instruktur, peserta akan mempelajari berbagai teknologi, kerangka kerja, dan teknik untuk memprogram berbagai jenis robot yang digunakan dalam bidang teknologi nuklir dan sistem lingkungan.

Kursus selama 6 minggu diadakan 5 hari seminggu. Setiap hari berlangsung selama 4 jam dan terdiri dari kuliah, diskusi, dan pengembangan robot secara praktis dalam lingkungan laboratorium langsung. Peserta akan menyelesaikan berbagai proyek dunia nyata yang relevan dengan pekerjaan mereka untuk mempraktikkan pengetahuan yang diperoleh.

Perangkat keras target untuk kursus ini akan disimulasikan dalam 3D melalui perangkat lunak simulasi. Kerangka kerja open-source ROS (Robot Operating System), C++ dan Python akan digunakan untuk memprogram robot.

Di akhir pelatihan ini, peserta akan dapat:

• Memahami konsep kunci yang digunakan dalam teknologi robot.
• Memahami dan mengelola interaksi antara perangkat lunak dan perangkat keras dalam sistem robot.
• Memahami dan menerapkan komponen perangkat lunak yang mendukung robotika.
• Membangun dan mengoperasikan robot mekanik simulasi yang dapat melihat, merasakan, memproses, menavigasi, dan berinteraksi dengan manusia melalui suara.
• Memahami unsur-unsur penting dari kecerdasan buatan (machine learning, deep learning, dll.) yang relevan untuk membangun robot cerdas.
• Menerapkan filter (Kalman dan Particle) untuk memungkinkan robot menemukan objek bergerak dalam lingkungannya.
• Menerapkan algoritma pencarian dan perencanaan gerakan.
• Menerapkan kontrol PID untuk mengatur gerakan robot dalam lingkungan.
• Menerapkan algoritma SLAM untuk memungkinkan robot membuat peta lingkungan yang tidak dikenal.
• Mengembangkan kemampuan robot untuk melaksanakan tugas kompleks melalui Deep Learning.
• Menguji dan memperbaiki robot dalam skenario nyata.

Dalam pelatihan online langsung atau pelatihan langsung tatap muka ini yang dipimpin instruktur, peserta akan mempelajari berbagai teknologi, kerangka kerja, dan teknik untuk memprogram berbagai jenis robot yang akan digunakan di bidang teknologi nuklir dan sistem lingkungan.

Kursus 4 minggu ini diadakan 5 hari dalam seminggu. Setiap hari berlangsung selama 4 jam dan terdiri dari kuliah, diskusi, dan pengembangan robot tangan pertama di lingkungan lab langsung. Peserta akan menyelesaikan berbagai proyek dunia nyata yang dapat diterapkan dalam pekerjaannya untuk mempraktekan pengetahuan yang telah diperoleh.

Perangkat keras yang menjadi target kursus ini akan disimulasikan dalam 3D melalui perangkat lunak simulasi. Kemudian kode akan dimuat ke perangkat keras fisik (Arduino atau yang lain) untuk pengujian peluncuran akhir. Kerangka kerja open-source ROS (Robot Operating System), C++, dan Python akan digunakan untuk memprogram robot.

Setelah menyelesaikan pelatihan ini, peserta akan mampu:

• Memahami konsep kunci yang digunakan dalam teknologi robotik.
• Memahami dan mengelola interaksi antara perangkat lunak dan perangkat keras dalam sistem robot.
• Memahami dan menerapkan komponen perangkat lunak yang menjadi dasar robotik.
• Membangun dan mengoperasikan robot mekanik yang disimulasikan yang dapat melihat, merasakan, memproses, menavigasi, dan berinteraksi dengan manusia melalui suara.
• Memahami unsur-unsur penting kecerdasan buatan (machine learning, deep learning, dll.) yang dapat diterapkan untuk membangun robot cerdas.
• Menerapkan filter (Kalman dan Particle) agar robot dapat melacak objek bergerak dalam lingkungannya.
• Menerapkan algoritma pencarian dan perencanaan gerak.
• Menerapkan kontrol PID untuk mengatur pergerakan robot dalam lingkungan.
• Menerapkan algoritma SLAM agar robot dapat memetakan lingkungan yang tidak dikenal.
• Mengesankan dan memecahkan masalah robot dalam skenario nyata.

Layanan Bot Azure menggabungkan kekuatan fungsi Microsoft Bot Framework dan Azure untuk memfasilitasi pengembangan bot yang cerdas dengan cepat.

Dalam pelatihan langsung berbimbing ini, peserta akan belajar cara membuat bot yang cerdas dengan mudah menggunakan Microsoft Azure

Setelah mengikuti pelatihan ini, peserta akan dapat:

• Mempelajari dasar-dasar bot yang cerdas
• Mempelajari cara membuat bot yang cerdas menggunakan aplikasi cloud
• Mengerti bagaimana menggunakan Microsoft Bot Framework, Bot Builder SDK, dan Layanan Bot Azure
• Mengerti bagaimana mendesain bot menggunakan pola bot
• Merancang bot yang cerdas pertama mereka dengan menggunakan Microsoft Azure

Audience

• Pengembang
• Hobbyist
• Injiner
• Profesional IT

Format kursus

• Bagian presentasi, diskusi, latihan dan praktek langsung yang intensif

OpenCV adalah perpustakaan komputer vision open-source yang memungkinkan pemrosesan gambar real-time, sementara framework deep learning seperti TensorFlow menyediakan alat untuk persepsi dan pengambilan keputusan yang cerdas dalam sistem robotik.

Pelatihan langsung ini (online atau tatap muka) ditujukan kepada insinyur robotika tingkat menengah, praktisi visi komputer, dan insinyur pembelajaran mesin yang ingin menerapkan teknik visi komputer dan deep learning untuk persepsi dan otonomi robot.

Setelah pelatihan ini, peserta akan dapat:

• Mengimplementasikan pipeline visi komputer menggunakan OpenCV.
• Mengintegrasikan model deep learning untuk deteksi dan pengenalan objek.
• Menggunakan data berbasis visi untuk kontrol dan navigasi robot.
• Memadukan algoritma visi klasik dengan jaringan saraf dalam.
• Mengimplementasikan sistem visi komputer pada platform tertanam dan robotik.

Format Kursus

• Ceramah interaktif dan diskusi.
• Praktek tangan menggunakan OpenCV dan TensorFlow.
• Implementasi live-lab pada sistem robotik simulasi atau fisik.

Pilihan Penyesuaian Kursus

• Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami untuk menyusun.

Seorang bot atau chatbot adalah seperti asisten komputer yang digunakan untuk mengotomatiskan interaksi pengguna di berbagai platform pesan dan mengatur pekerjaan lebih cepat tanpa memerlukan pengguna berbicara dengan manusia lain.

Dalam pelatihan online langsung ini yang dibimbing instruktur, peserta akan belajar bagaimana memulai pengembangan bot saat mereka melalui pembuatan chatbot sampel menggunakan alat dan kerangka pengembangan bot.

Setelah menyelesaikan pelatihan ini, peserta akan mampu:

• Memahami berbagai penggunaan dan aplikasi bot
• Memahami proses lengkap dalam pengembangan bot
• Menjelajahi berbagai alat dan platform yang digunakan dalam membangun bot
• Membangun chatbot sampel untuk Facebook Messenger
• Membangun chatbot sampel menggunakan Microsoft Bot Framework

Audience

• Pengembang yang tertarik membuat bot sendiri

Format of the course

• Sepanjang kuliah, diskusi, latihan dan banyak latihan praktis

Edge AI memungkinkan model kecerdasan buatan berjalan langsung pada perangkat tersemat atau yang memiliki sumber daya terbatas, mengurangi latensi dan konsumsi daya sambil meningkatkan otonomi dan privasi dalam sistem robotik.

Pelatihan ini dipandu oleh instruktur (daring atau tatap muka) ditujukan bagi pengembang tersemat menengah dan insinyur robotika yang ingin mengimplementasikan teknik inferensi dan optimasi pembelajaran mesin langsung pada perangkat keras robot menggunakan TinyML dan framework AI tepi.

Pada akhir pelatihan ini, peserta akan dapat:

• Mengerti dasar-dasar TinyML dan AI tepi untuk robotika.
• Mengonversi dan menampilkan model AI untuk inferensi on-device.
• Mengoptimalkan model untuk kecepatan, ukuran, dan efisiensi energi.
• Mengintegrasikan sistem AI tepi ke dalam arsitektur kontrol robot.
• Mengevaluasi kinerja dan akurasi di skenario dunia nyata.

Format Kursus

• Kuliah interaktif dan diskusi.
• Praktek langsung menggunakan toolchain TinyML dan AI tepi.
• Eksperimen praktis pada platform perangkat keras tersemat dan robotik.

Pilihan Penyesuaian Kursus

• Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami untuk menyusun.

Pelatihan langsung yang dipandu instruktur di Indonesia (online atau tatap muka) ini ditujukan bagi peserta dengan tingkat menengah yang ingin mengeksplorasi peran robot kolaboratif (cobots) dan sistem AI berpusat pada manusia lainnya di tempat kerja modern.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami prinsip-prinsip AI Fisik Berpusat pada Manusia dan aplikasinya.
• Menjelajahi peran robot kolaboratif dalam meningkatkan produktivitas tempat kerja.
• Mengidentifikasi dan mengatasi tantangan dalam interaksi manusia-mesin.
• Mendesain alur kerja yang memaksimalkan kolaborasi antara manusia dan sistem berbasis AI.
• Memupuk budaya inovasi dan adaptabilitas di tempat kerja yang terintegrasi AI.

Pelatihan ini yang diselenggarakan oleh instruktur (daring atau tatap muka) ditujukan untuk insinyur yang ingin memahami penerapan kecerdasan buatan dalam sistem mekatronika.

Pada akhir pelatihan ini, peserta akan dapat:

• Mendapatkan gambaran umum tentang kecerdasan buatan, pembelajaran mesin, dan kecerdasan komputasional.
• Memahami konsep jaringan saraf dan metode pembelajaran yang berbeda.
• Memilih pendekatan kecerdasan buatan secara efektif untuk masalah nyata.
• Mengimplementasikan aplikasi AI dalam teknik mekatronika.

Pelatihan ini yang dipimpin instruktur secara langsung di Indonesia (pelatihan online langsung atau pelatihan langsung tatap muka) ditujukan untuk insinyur robotika tingkat lanjut dan peneliti AI yang ingin memanfaatkan Multimodal AI untuk mengintegrasikan berbagai data sensor untuk menciptakan robot yang lebih otomatis dan efisien yang dapat melihat, mendengar, dan menyentuh.

Di akhir pelatihan ini, peserta akan mampu melakukannya:

• Menerapkan multimodal sensing dalam sistem robotik.
• Mengembangkan algoritma AI untuk penggabungan sensor dan pengambilan keputusan.
• Membuat robot yang dapat melaksanakan tugas kompleks dalam lingkungan dinamis.
• Mengatasi tantangan dalam pengolahan data dan perakitan real-time.

Pelatihan ini dipandu oleh instruktur secara langsung (online atau tatap muka) ditujukan bagi peserta tingkat menengah yang ingin meningkatkan keterampilan mereka dalam merancang, memrogram, dan mendeploy sistem robot pintar untuk otomasi dan lebih lanjut.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami prinsip-prinsip Physical AI dan aplikasinya dalam robotika dan otomasi.
• Merancang dan memrogram sistem robot pintar untuk lingkungan dinamis.
• Mengimplementasikan model AI untuk pengambilan keputusan mandiri pada robot.
• Memanfaatkan alat simulasi untuk pengujian dan optimasi robot.
• Mengatasi tantangan seperti fusi sensor, pemrosesan real-time, dan efisiensi energi.

Pembelajaran penguatan (Reinforcement Learning atau RL) adalah paradigma pembelajaran mesin di mana agen belajar membuat keputusan dengan berinteraksi dengan lingkungan. Dalam robotika, RL memungkinkan sistem otonom mengembangkan kemampuan kontrol adaptif dan pengambilan keputusan melalui pengalaman dan umpan balik.

Pelatihan langsung yang dipandu instruktur ini (online atau tatap muka) ditujukan untuk insinyur pembelajaran mesin tingkat lanjut, peneliti robotika, dan pengembang yang ingin merancang, mengimplementasikan, dan menyebarluaskan algoritma pembelajaran penguatan dalam aplikasi robotik.

Setelah pelatihan ini, peserta akan mampu:

• Mengerti prinsip dan matematika pembelajaran penguatan.
• Implementasikan algoritma RL seperti Q-learning, DDPG, dan PPO.
• Integrasikan RL dengan lingkungan simulasi robotik menggunakan OpenAI Gym dan ROS 2.
• Latih robot untuk melakukan tugas-tugas kompleks secara otonom melalui uji coba dan kesalahan.
• Optimalkan kinerja pelatihan menggunakan framework pembelajaran mendalam seperti PyTorch.

Format Kursus

• Kuliah interaktif dan diskusi.
• Pelaksanaan praktis menggunakan Python, PyTorch, dan OpenAI Gym.
• Latihan praktis dalam lingkungan simulasi atau fisik robotika.

Pilihan Penyesuaian Kursus

• Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami untuk membuat jadwal.

Robotika Aman & Dapat Dijelaskan adalah pelatihan komprehensif yang berfokus pada keamanan, verifikasi, dan pemerintahan etis sistem robotik. Kursus ini menghubungkan teori dan praktik dengan mengeksplorasi metode kasus keamanan, analisis bahaya, dan pendekatan AI yang dapat dijelaskan yang membuat pengambilan keputusan robot transparan dan dapat dipercaya. Peserta akan belajar cara memastikan ketaatan aturan, memverifikasi perilaku, dan mendokumentasikan jaminan keamanan sesuai dengan standar internasional.

Pelatihan langsung ini (daring atau tatap muka) ditujukan untuk profesional tingkat menengah yang ingin menerapkan prinsip verifikasi, validasi, dan penjelasan untuk memastikan implementasi robotik yang aman dan etis.

Pada akhir pelatihan ini, peserta akan dapat:

• Mengembangkan dan mendokumentasikan kasus keamanan untuk sistem robotik dan otonom.
• Menerapkan teknik verifikasi dan validasi dalam lingkungan simulasi.
• Memahami kerangka AI yang dapat dijelaskan untuk pengambilan keputusan robot.
• Mengintegrasikan prinsip keamanan dan etika dalam desain dan operasi sistem.
• Berkomunikasi tentang persyaratan keamanan dan transparansi kepada pemangku kepentingan.

Format Kursus

• Ceramah interaktif dan diskusi.
• Latihan simulasi dan analisis keamanan praktis.
• Studi kasus dari aplikasi robotik dunia nyata.

Pilihan Penyesuaian Kursus

• Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami untuk membuat jadwal.

Smart Robot adalah sistem Kecerdasan Buatan (AI) yang dapat belajar dari lingkungannya dan pengalamannya, serta meningkatkan kemampuannya berdasarkan pengetahuan tersebut. Smart Robots dapat bekerja sama dengan manusia, bekerja bersama mereka dan belajar dari perilaku mereka. Selain itu, mereka memiliki kemampuan untuk tidak hanya pekerjaan fisik, tetapi juga tugas kognitif. Selain robot fisik, Smart Robots juga dapat berbasis software murni, berada di dalam komputer sebagai aplikasi software tanpa bagian bergerak atau interaksi fisik dengan dunia.

Dalam pelatihan online langsung yang dibimbing instruktur, peserta akan mempelajari berbagai teknologi, kerangka kerja, dan teknik untuk memprogram berbagai jenis robot mekanik Smart, kemudian menerapkan pengetahuan ini untuk menyelesaikan proyek Smart Robot mereka sendiri.

Kursus ini terbagi menjadi 4 bagian, masing-masing terdiri dari tiga hari kuliah, diskusi, dan pengembangan robot secara praktis dalam lingkungan lab langsung. Setiap bagian akan diakhiri dengan proyek praktis untuk mempraktikkan dan membuktikan pengetahuan yang telah dipelajari.

Perangkat keras target untuk kursus ini akan disimulasikan dalam 3D melalui perangkat lunak simulasi. Kerangka kerja open-source ROS (Robot Operating System), C++ dan Python akan digunakan untuk memprogram robot.

Di akhir pelatihan ini, peserta akan dapat:

• Memahami konsep-konsep kunci yang digunakan dalam teknologi robotik
• Memahami dan mengelola interaksi antara perangkat lunak dan perangkat keras dalam sistem robotik
• Memahami dan mengimplementasikan komponen perangkat lunak yang mendasari Smart Robots
• Membangun dan mengoperasikan sebuah robot mekanik Smart yang disimulasikan yang dapat melihat, merasakan, memproses, memegang, menavigasi, dan berinteraksi dengan manusia melalui suara
• Memperluas kemampuan Smart Robot untuk melakukan tugas-tugas kompleks melalui Deep Learning
• Menguji dan menyelidiki masalah pada Smart Robot dalam skenario nyata

Audience

• Pengembang
• Insinyur

Format pelatihan

• Sepanjang kuliah, diskusi, latihan, dan banyak latihan praktis

Catatan

• Untuk mengustomisasi bagian mana pun dari pelatihan ini (bahasa pemrograman, model robot, dll.), silakan hubungi kami untuk mengatur.

Smart Robotics adalah integrasi kecerdasan buatan (AI) ke dalam sistem robotik untuk meningkatkan percepsi, pemutus keputusan, dan kontrol otomatis.

Pelatihan ini yang dikemudikan instruktur secara langsung (online atau tatap muka) ditujukan untuk insinyur robotika tingkat lanjut, integrator sistem, dan pemimpin otomatisasi yang ingin menerapkan AI untuk percepsi, perencanaan, dan kontrol yang didukung AI di lingkungan manufaktur cerdas.

Di akhir pelatihan ini, peserta akan mampu untuk:

• Memahami dan menerapkan teknik AI untuk percepsi robotik dan fusi sensor.
• Mengembangkan algoritma perencanaan gerak untuk robot kolaboratif dan industri.
• Menyebarkan strategi kontrol berbasis pembelajaran untuk pemutus keputusan waktu nyata.
• Mengintegrasikan sistem robotik cerdas ke dalam alur kerja pabrik cerdas.

Format Kursus

• Diskusi dan ceramah interaktif.
• Banyak latihan dan praktik.
• Implementasi praktis di lingkungan laboratorium langsung.

Opsi Kustomisasi Kursus

• Untuk meminta pelatihan kustom untuk kursus ini, silakan hubungi kami untuk menyiapkannya.