Schulungsübersicht

Einführung zu Edge AI in Robotics

  • Was ist Edge AI?
  • Warum Edge AI für die Robotik wichtig ist
  • Herausforderungen der Echtzeit-KI in autonomen Systemen

Einsatz von AI-Modellen auf Edge-Geräten

  • KI-Inferenz auf NVIDIA Jetson und anderer Edge-Hardware
  • Verwendung von TensorFlow Lite und ONNX für den Edge-Einsatz
  • Optimierung von KI-Modellen für die Echtzeitausführung

Echtzeit-Wahrnehmung für autonome Systeme

  • Computer Vision für Roboternavigation
  • Sensor-Fusion: LiDAR, Kameras und IMUs
  • Edge AI für Objekterkennung und -verfolgung

Entscheidungsfindung und Steuerung in Robotics

  • Verstärkungslernen für autonome Verhaltensweisen
  • Pfadplanung und Hindernisvermeidung
  • Latenzoptimierung in Echtzeit-KI-Systemen

Integration von AI mit ROS (Roboterbetriebssystem)

  • Überblick über ROS und sein Ökosystem
  • Ausführen von KI-basierten Wahrnehmungsmodellen in ROS
  • Edge AI in Multi-Roboter- und Schwarmrobotik-Anwendungen

Optimierung von AI für stromsparende Robotersysteme

  • Effiziente neuronale Netzwerkarchitekturen für die Robotik
  • Senkung des Stromverbrauchs in KI-gesteuerten Robotern
  • Einsatz von KI auf batteriebetriebenen Roboterplattformen

Anwendungen in der realen Welt und zukünftige Trends

  • Autonome Drohnen und Industrieroboter
  • KI-gesteuerte Roboterassistenten
  • Zukünftige Fortschritte in Edge AI für die Robotik

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Verständnis von KI und maschinellen Lernmodellen
  • Erfahrung mit eingebetteten Systemen oder Robotik
  • Grundlegende Kenntnisse der Echtzeitberechnung

Zielgruppe

  • [Ingenieure (550)
  • KI-Entwickler
  • Automatisierungsspezialisten
 21 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien