Hubungi Kami

Kerangka Materi

Pengenalan Manipulasi Robot dan Deep Learning

  • Ikhtisar tugas manipulasi dan komponen sistem
  • Pendekatan tradisional vs berbasis pembelajaran
  • Deep learning dalam persepsi, perencanaan, dan pengendalian

Persepsi untuk Manipulasi

  • Penginderaan visual dan deteksi objek untuk penggenggaman
  • Visi 3D, penginderaan kedalaman, dan pemrosesan awan titik
  • Melatih CNN untuk lokalisasi dan segmentasi objek

Perencanaan dan Deteksi Genggaman

  • Algoritma perencanaan genggaman klasik
  • Mempelajari pose genggaman dari data dan simulasi
  • Implementasi jaringan deteksi genggaman (misalnya, GGCNN, Dex-Net)

Pengendalian dan Perencanaan Gerakan

  • Kinematika invers dan generasi trajektori
  • Perencanaan gerakan berbasis pembelajaran dan pembelajaran imitasi
  • Pembelahan penguatan untuk kebijakan pengendalian manipulasi

Integrasi dengan ROS 2 dan Lingkungan Simulasi

  • Pengaturan node ROS 2 untuk persepsi dan pengendalian
  • Menyimulasikan manipulator robotik di Gazebo dan Isaac Sim
  • Mengintegrasikan model neural untuk pengendalian waktu nyata

Pembelajaran Ujung-ke-Ujung untuk Manipulasi

  • Menggabungkan persepsi, kebijakan, dan pengendalian dalam jaringan terpadu
  • Menggunakan data demonstrasi untuk pembelajaran kebijakan supervisi
  • Adaptasi domain antara simulasi dan perangkat keras nyata

Evaluasi dan Optimasi

  • Metriik untuk keberhasilan, stabilitas, dan presisi genggaman
  • Pengujian di bawah kondisi dan gangguan yang bervariasi
  • Kompresi model dan implementasi pada perangkat edge

Proyek Langsung: Penggenggaman Robot Berbasis Deep Learning

  • Merancang pipeline dari persepsi ke aksi
  • Melatih dan menguji model deteksi genggaman
  • Mengintegrasikan model ke dalam lengan robot disimulasikan

Persyaratan

  • Pemahaman kuat tentang kinematika dan dinamika robotika
  • Pengalaman dengan Python dan framework deep learning
  • Kenalan dengan ROS atau middleware robotika serupa

Target Audiens

  • Insinyur robotika yang mengembangkan sistem manipulasi cerdas
  • Spesialis persepsi dan pengendalian yang bekerja pada aplikasi penggenggaman
  • Peneliti dan praktisi tingkat lanjut dalam pembelajaran robot dan pengendalian berbasis AI
 28 Jam

Jumlah Peserta


Harga per Peserta

Testimoni (2)

Kursus Mendatang

Kategori Terkait