Schulungsübersicht
Woche 01
Einführung
- Was macht einen Roboter intelligent?
Physische vs. virtuelle Roboter
- Smart Robots, Intelligente Maschinen, Intelligente Maschinen und Robotic Process Automation (RPA), etc.
Die Rolle von Artificial Intelligence (AI) in Robotics
- Jenseits von "if-then-else" und der lernenden Maschine
- Die Algorithmen hinter der KI
- Maschinelles Lernen, Computer Vision, Verarbeitung natürlicher Sprache (NLP), etc.
- Kognitive Robotik
Die Rolle von Big Data in Robotics
- Entscheidungsfindung auf der Grundlage von Daten und Mustern
Die Cloud und Robotics
- Verknüpfung von Robotik und IT
- Aufbau funktionellerer Roboter, die auf mehr Informationen zugreifen und zusammenarbeiten
Fallstudie: Industrieroboter
- Mechanische Roboter
- Baxter
- Roboter in kerntechnischen Anlagen
- Strahlungsdetektion und -schutz
- Roboter in kerntechnischen ReactAnlagen
- Strahlungsdetektion und -schutz
Hardware-Komponenten eines Roboters
- Motoren, Sensoren, Mikrocontroller, Kameras, usw.
Allgemeine Elements von Robotern
- Maschinelles Sehen, Spracherkennung, Sprachsynthese, Näherungssensorik, Drucksensorik, usw.
Entwicklungsrahmen für Programming einen Roboter
- Open Source und kommerzielle Rahmenwerke
- Roboter-Betriebssystem (ROS)
- Architektur: Arbeitsbereich, Themen, Nachrichten, Dienste, Knoten, Actionlibs, Werkzeuge usw.
Languages für Programming einen Roboter
- C++ für die Steuerung auf niedriger Ebene
- Python für die Orchestrierung
- Programming ROS Knoten in Python und C ++
- Andere Sprachen
Werkzeuge für die Simulation eines physischen Roboters
- Kommerzielle und quelloffene 3D-Simulations- und Visualisierungssoftware
Woche 02
Vorbereiten der Entwicklungsumgebung
- Software-Installation und -Einrichtung
- Nützliche Pakete und Dienstprogramme
Fallstudie: Mechanische Roboter
- Roboter im Bereich der Kerntechnik
- Roboter in der Umwelttechnik
Programming der Roboter
- Programming ein Knoten in Python und C ++
- Verstehen des ROS-Knotens
- Nachrichten und Themen in ROS
- Veröffentlichung / Abonnement-Paradigma
- Projekt: Bump & Go mit echtem Roboter
- Fehlersuche
- Simulation von Robotern mit Gazebo / ROS
- Frames in ROS und Referenzänderungen
- 2D-Informationsverarbeitung von Kameras mit OpenCV
- Informationsverarbeitung eines Lasers
- Projekt: Sichere Verfolgung von Objekten nach Farbe
- Fehlersuche
Woche 03
Programming der Roboter (Fortsetzung...)
- Dienstleistungen in ROS
- 3D-Informationsverarbeitung von RGB-D-Sensoren mit PCL
- Karten und Navigation mit ROS
- Projekt: Suche nach Objekten in der Umgebung
- Fehlersuche
Programming der Roboter (Fortsetzung...)
- ActionLib
- Speech Recognition und Spracherzeugung
- Steuerung von Roboterarmen mit MoveIt!
- Steuerung des Roboterhalses für aktives Sehen
- Projekt: Suchen und Sammeln von Objekten
- Fehlersuche
Testen Ihres Roboters
- Einheitliche Tests
Woche 04
Erweitern der Fähigkeiten eines Roboters mit Deep Learning
- Wahrnehmung - Bild, Ton und Haptik
- Wissensrepräsentation
- Spracherkennung durch NLP (natürliche Sprachverarbeitung)
- Computer Vision
Crashkurs in Deep Learning
- Künstliche Neural Networks (ANNs)
- Künstliche Neural Networks vs. Biologische Neural Networks
- Feedforward Neural Networks
- Aktivierungsfunktionen
- Training künstlicher Neural Networks
Crashkurs in Deep Learning (Fortsetzung...)
- Deep Learning Modelle
- Faltungsnetzwerke und rekurrente Netzwerke
- Faltungsnetzwerke Neural Networks (CNNs oder ConvNets)
- Faltungsschicht
- Pooling-Schicht
- Architektur von Faltungsnetzen Neural Networks
Woche 05
Crashkurs in Deep Learning (Fortsetzung...)
- Wiederkehrend Neural Networks (RNN)
- Training eines RNN
- Stabilisierung von Gradienten während des Trainings
- Netzwerke mit langem Kurzzeitgedächtnis
- Deep Learning Plattformen und Software-Bibliotheken
- Deep Learning in ROS
Verwendung von Big Data in Ihrem Roboter
- Big Data-Konzepte
- Ansätze zur Datenanalyse
- Big Data-Werkzeuge
- Erkennen von Mustern in den Daten
- Übung: NLP und Computer Vision auf großen Datensätzen
Verwendung von Big Data in Ihrem Roboter (Fortsetzung...)
- Verteilte Verarbeitung von großen Datenmengen
- Koexistenz und gegenseitige Befruchtung von Big Data und Robotics
- Der Roboter als Generator von Daten
- Sensoren zur Entfernungsmessung, Position, visuelle und taktile Sensoren und andere Modalitäten
- Sinnhaftigkeit der sensorischen Daten (Sense-Plane-Act-Schleife)
- Übung: Erfassen von Datenströmen
Programming ein autonomer Deep Learning Roboter
- Deep Learning Roboter-Komponenten
- Einrichten des Robotersimulators
- Ausführen eines CUDA-beschleunigten neuronalen Netzwerks mit Cafe
- Fehlersuche
Woche 06
Programming ein autonomer Deep Learning Roboter (Fortsetzung...)
- Erkennen von Objekten in Fotos oder Videoströmen
- Ermöglichen von Computer Vision mit OpenCV
- Fehlersuche
Datenanalyse
- Verwendung des Roboters zum Sammeln und Organisieren neuer Daten
- Werkzeuge und Prozesse zur Auswertung der Daten
Einsatz eines Roboters
- Überführung eines simulierten Roboters in physische Hardware
- Einsatz des Roboters in der realen Welt
- Überwachung und Wartung von Robotern in der Praxis
Sichern Ihres Roboters
- Verhinderung unbefugter Manipulationen
- Verhinderung der Einsichtnahme und des Diebstahls sensibler Daten durch Hacker
Gemeinsame Entwicklung eines Roboters
- Bau eines Roboters in der Cloud
- Beitritt zur Robotik-Community
Die Zukunft Outlook von Robotern in der Wissenschaft und im Energiebereich
Zusammenfassung und Schlussfolgerung
Voraussetzungen
- Programming Erfahrung in C oder C++
- Programming Erfahrungen in Python (nützlich, aber nicht erforderlich; können im Rahmen der Lehrveranstaltung vermittelt werden)
- Erfahrung mit Linux Kommandozeile
Publikum
- Entwickler
- Ingenieure
- Wissenschaftler
- Techniker
Erfahrungsberichte (1)
I feel I get the core skills I need to understand how the ROS fits together, and how to structure projects in it.