Kursus Pelatihan Multimodal AI dalam Robotika

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

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

Pada akhir pelatihan ini, peserta akan mampu:

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

Format Kursus

• Kuliah interaktif dan diskusi.
• Implementasi praktis menggunakan ROS 2 dan Python.
• Latihan praktis dengan lingkungan robotik simulasi dan nyata.

Opsi Penyesuaian Kursus

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

Dalam pelatihan langsung yang dipandu instruktur di Indonesia (online atau tatap muka), peserta akan mempelajari teknologi, kerangka kerja, dan teknik untuk memrogram berbagai jenis robot yang digunakan dalam bidang teknologi nuklir dan sistem lingkungan.

Kursus 6 minggu ini diadakan 5 hari seminggu. Setiap hari berlangsung selama 4 jam dan terdiri dari ceramah, diskusi, dan pengembangan robot hands-on dalam lingkungan lab 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 memrogram robot.

Pada akhir pelatihan ini, peserta akan mampu:

• Memahami konsep kunci yang digunakan dalam teknologi robotika.
• Memahami dan mengelola interaksi antara perangkat lunak dan perangkat keras dalam sistem robotik.
• Memahami dan menerapkan komponen perangkat lunak yang mendukung robotika.
• Membuat dan mengoperasikan robot mekanik simulasi yang dapat melihat, merasakan, memproses, bernavigasi, dan berinteraksi dengan manusia melalui suara.
• Memahami elemen-elemen kecerdasan buatan (pembelajaran mesin, pembelajaran dalam, dll.) yang relevan untuk membangun robot pintar.
• Menerapkan filter (Kalman dan Particle) agar robot dapat menemukan objek bergerak di lingkungannya.
• Menerapkan algoritma pencarian dan perencanaan gerakan.
• Menerapkan kontrol PID untuk mengatur gerakan robot dalam lingkungan.
• Menerapkan algoritma SLAM agar robot dapat memetakan lingkungan yang tidak dikenal.
• Memperluas kemampuan robot untuk menyelesaikan tugas kompleks melalui Deep Learning.
• Mengujicoba dan memecahkan masalah pada robot dalam skenario realistis.

ROS 2 (Robot Operating System 2) adalah kerangka kerja open-source yang dirancang untuk mendukung pengembangan aplikasi robotika yang kompleks dan skalabel.

Pelatihan langsung ini, disampaikan oleh instruktur (online atau tatap muka), ditujukan untuk insinyur dan pengembang robotika tingkat menengah yang ingin mengimplementasikan navigasi otonom dan SLAM (Simultaneous Localization and Mapping) menggunakan ROS 2.

Setelah pelatihan ini, peserta akan dapat:

• Mengatur dan mengonfigurasi ROS 2 untuk aplikasi navigasi otonom.
• Mengimplementasikan algoritma SLAM untuk pemetaan dan lokalitas.
• Mengintegrasikan sensor seperti LiDAR dan kamera dengan ROS 2.
• Menyimulasikan dan menguji navigasi otonom di Gazebo.
• Menjalankan tumpukan navigasi pada robot fisik.

Format Kursus

• Kuliah interaktif dan diskusi.
• Praktek langsung menggunakan alat-alat ROS 2 dan lingkungan simulasi.
• Pelaksanaan dan pengujian laboratorium langsung pada robot virtual atau fisik.

Opsi Penyesuaian Kursus

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

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.

Interaksi Manusia-Robot (HRI): Suara, Gerakan & Kontrol Kolaboratif adalah kursus praktis yang dirancang untuk memperkenalkan peserta ke desain dan implementasi antarmuka intuitif untuk komunikasi manusia-robot. Pelatihan ini menggabungkan teori, prinsip desain, dan praktik pemrograman untuk membangun sistem interaksi yang alami dan responsif menggunakan suara, gerakan, dan teknik kontrol bersama. Peserta akan belajar cara mengintegrasikan modul persepsi, mengembangkan sistem input multimodal, dan mendesain robot yang dapat berkolaborasi dengan aman dengan manusia.

Pelatihan ini dipimpin instruktur (online atau tatap muka) ditujukan untuk peserta tingkat pemula hingga menengah yang ingin merancang dan mengimplementasikan sistem interaksi manusia-robot yang meningkatkan kegunaan, keamanan, dan pengalaman pengguna.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami dasar-dasar dan prinsip desain interaksi manusia-robot.
• Mengembangkan mekanisme kontrol dan respons berbasis suara untuk robot.
• Melaksanakan pengenalan gerakan menggunakan teknik visi komputer.
• Mendesain sistem kontrol kolaboratif untuk autonomi aman dan bersama.
• Menilai sistem HRI berdasarkan kegunaan, keamanan, dan faktor manusia.

Format Kursus

• Kuliah interaktif dan demonstrasi.
• Latihan pemrograman dan desain praktis.
• Eksperimen praktis dalam lingkungan simulasi atau robotik nyata.

Pilihan Penyesuaian Kursus

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

Otomasi Robotika Industri: Integrasi ROS-PLC & Digital Twins adalah kursus praktis yang berfokus pada penghubungan otomasi industri dengan kerangka kerja robotika modern. Peserta akan mempelajari cara mengintegrasikan sistem robot berbasis ROS dengan PLC untuk operasi yang terkoordinasi dan menjelajahi lingkungan digital twin untuk mensimulasikan, memantau, dan mengoptimalkan proses produksi. Kursus ini menekankan interoperabilitas, kontrol real-time, dan analisis prediktif menggunakan replika digital dari sistem fisik.

Pelatihan langsung yang dipandu instruktur (online atau tatap muka) ini ditujukan untuk profesional tingkat menengah yang ingin membangun keterampilan praktis dalam menghubungkan robot yang dikontrol ROS dengan lingkungan PLC dan menerapkan digital twins untuk otomasi dan optimasi manufaktur.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami protokol komunikasi antara sistem ROS dan PLC.
• Melaksanakan pertukaran data real-time antara robot dan kontroler industri.
• Mengembangkan digital twins untuk pemantauan, pengujian, dan simulasi proses.
• Mengintegrasikan sensor, aktuator, dan manipulator robot dalam alur kerja industri.
• Merancang dan memvalidasi sistem otomasi industri menggunakan lingkungan simulasi hibrida.

Format Kursus

• Ceramah interaktif dan penjelasan arsitektur.
• Latihan praktis mengintegrasikan sistem ROS dan PLC.
• Implementasi proyek simulasi dan digital twin.

Pilihan Penyesuaian Kursus

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

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.

Sistem Multi-Robot dan Kecerdasan Gerombol adalah kursus pelatihan lanjutan yang mengeksplorasi desain, koordinasi, dan kontrol tim robot yang terinspirasi oleh perilaku gerombol biologis. Peserta akan belajar cara memodelkan interaksi, mengimplementasikan pengambilan keputusan terdistribusi, dan mengoptimalkan kolaborasi di antara agen-agen ganda. Kursus ini menggabungkan teori dengan simulasi praktik untuk mempersiapkan peserta didik dalam aplikasi di logistik, pertahanan, pencarian dan penyelamatan, serta eksplorasi otonom.

Pelatihan langsung ini (online atau tatap muka) ditujukan untuk profesional tingkat lanjut yang ingin mendesain, mensimulasikan, dan mengimplementasikan sistem multi-robot dan berbasis gerombol menggunakan kerangka kerja open-source dan algoritma.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami prinsip-prinsip dan dinamika kecerdasan gerombol serta robotika kooperatif.
• Mendesain strategi komunikasi dan koordinasi untuk sistem multi-robot.
• Mengimplementasikan pengambilan keputusan terdistribusi dan algoritma konsensus.
• Mensimulasikan perilaku kolektif seperti kontrol formasi, berkelompok, dan cakupan.
• Mengaplikasikan teknik berbasis gerombol ke skenario dunia nyata dan masalah optimasi.

Format Kursus

• Kuliah lanjutan dengan analisis algoritma yang mendalam.
• Praktik pemrograman dan simulasi di ROS 2 dan Gazebo.
• Proyek kolaboratif yang menerapkan prinsip-prinsip kecerdasan gerombol.

Pilihan Penyesuaian Kursus

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

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.

Praktis Rapid Prototyping untuk Robotika dengan ROS 2 & Docker adalah kursus praktik yang dirancang untuk membantu pengembang membangun, menguji, dan menerapkan aplikasi robotika secara efisien. Peserta akan belajar cara membuat lingkungan robotika dalam kontainer, mengintegrasikan paket ROS 2, dan prototyping sistem robotik modular menggunakan Docker untuk keterulangan dan skalabilitas. Kursus ini menekankan agilitas, kontrol versi, dan praktik kolaborasi yang cocok untuk tim pengembangan dan inovasi tahap awal.

Kursus ini dipandu oleh instruktur, pelatihan langsung (online atau tatap muka) ditujukan bagi peserta tingkat pemula hingga menengah yang ingin mempercepat alur kerja pengembangan robotika menggunakan ROS 2 dan Docker.

Pada akhir pelatihan ini, peserta akan dapat:

• Menyiapkan lingkungan pengembangan ROS 2 dalam kontainer Docker.
• Mengembangkan dan menguji prototipe robotik dalam setup modular yang dapat diulang.
• Menggunakan alat simulasi untuk memvalidasi perilaku sistem sebelum penyebaran perangkat keras.
• Kolaborasi secara efektif menggunakan proyek robotika dalam kontainer.
• Menerapkan konsep integrasi dan penyebaran berkelanjutan dalam pipeline robotika.

Format Kursus

• Kuliah interaktif dan demonstrasi.
• Latihan praktik dengan lingkungan ROS 2 dan Docker.
• Mini-proyek yang berfokus pada aplikasi robotika dunia nyata.

Pilihan Penyesuaian Kursus

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

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.

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.