Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
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
Testimoni (2)
Penyediaan materi (mesin virtual) untuk langsung memulai latihan, serta penjelasan inti Ros2. Mengapa hal-hal bekerja dengan cara tertentu.
Arjan Bakema
Kursus - Autonomous Navigation & SLAM with ROS 2
Diterjemahkan Mesin
pengetahuan dan pemanfaatan AI untuk Robotika di Masa Depan.
Ryle - PHILIPPINE MILITARY ACADEMY
Kursus - Artificial Intelligence (AI) for Robotics
Diterjemahkan Mesin