Kursplan

Introduktion till Edge AI i Robotics

  • Vad är Edge AI?
  • Varför Edge AI är viktigt för robotik
  • Utmaningar med realtids-AI i autonoma system

Distribuera AI-modeller på Edge-enheter

  • AI-slutledning på NVIDIA Jetson och annan edge-hårdvara
  • Att använda TensorFlow Lite och ONNX för edge-distribution
  • Optimera AI-modeller för realtidsutförande

Real-Time Perception för autonoma system

  • Datorseende för robotnavigering
  • Sensorfusion: LiDAR, kameror och IMU:er
  • Edge AI för objektdetektering och spårning

Beslutsfattande och kontroll i Robotics

  • Förstärkningsinlärning för autonoma beteenden
  • Vägsökning och hinderundvikande
  • Latency-optimering i realtids-AI-system

Integrera AI med ROS (Robot Operating System)

  • Översikt över ROS och dess ekosystem
  • Köra AI-baserade perceptionsmodeller i ROS
  • Edge AI i applikationer för flerobot och svärmrobotik

Optimera AI för lågenergi robot systems

  • Effektiva neurala nätverksarkitekturer för robotik
  • Minska energiförbrukningen i AI-drivna robotar
  • Distribuera AI på batteridrivna robotplattformar

Verkliga tillämpningar och framtida trender

  • Autonoma drönare och industrirobotar
  • AI-drivna robotassistenter
  • Framtida framsteg inom Edge AI för robotik

Sammanfattning och nästa steg

Krav

  • En förståelse för AI och maskininlärningsmodeller
  • Erfarenhet av inbäddade system eller robotik
  • Grundläggande kunskaper i realtidsberäkning

Målgrupp

  • Robotics ingenjörer
  • AI-utvecklare
  • Automationsspecialister
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier