Kursplan

Introduksjon til Edge AI i Robotics

  • Hva er Edge AI?
  • Hvorfor Edge AI er avgjørende for robotikk
  • Utfordringer med sanntids AI i autonome systemer

Distribuere AI-modeller på Edge-enheter

  • AI-slutning om NVIDIA Jetson og annen kantmaskinvare
  • Bruker TensorFlow Lite og ONNX for edge-distribusjon
  • Optimalisering av AI-modeller for utførelse i sanntid

Sanntidsoppfatning for autonome systemer

  • Datasyn for robotnavigasjon
  • Sensorfusjon: LiDAR, kameraer og IMUer
  • Edge AI for gjenstandsdeteksjon og sporing

Beslutningstaking og kontroll i Robotics

  • Forsterkende læring for autonom atferd
  • Veiplanlegging og unngåelse av hindringer
  • Latensoptimalisering i sanntids AI-systemer

Integrering av AI med ROS (robotoperativsystem)

  • Oversikt over ROS og dets økosystem
  • Kjører AI-baserte persepsjonsmodeller i ROS
  • Edge AI i multi-robot og svermrobotikkapplikasjoner

Optimalisering av AI for laveffekts robotsystemer

  • Effektive nevrale nettverksarkitekturer for robotikk
  • Reduser strømforbruket i AI-drevne roboter
  • Utplassering av AI på batteridrevne robotplattformer

Virkelige applikasjoner og fremtidige trender

  • Autonome droner og industriroboter
  • AI-drevne robotassistenter
  • Fremtidige fremskritt innen Edge AI for robotikk

Sammendrag og neste trinn

Krav

  • En forståelse av AI og maskinlæringsmodeller
  • Erfaring med innebygde systemer eller robotikk
  • Grunnleggende kunnskap om sanntidsdatabehandling

Publikum

  • Robotics ingeniører
  • AI-utviklere
  • Automasjonsspesialister
 21 timer

Antall deltakere


Price per participant

Upcoming Courses

Related Categories