Đề cương khóa học

Giới thiệu về AI và Robot

  • Tổng quan về sự hội tụ giữa robot hiện đại và AI
  • Ứng dụng trong các hệ thống tự động, drone và robot dịch vụ
  • Các thành phần AI chính: nhận biết, lập kế hoạch và điều khiển

Thiết lập Môi trường Phát triển

  • Cài đặt Python, ROS 2, OpenCV, và TensorFlow
  • Sử dụng Gazebo hoặc Webots để mô phỏng robot
  • Làm việc với Jupyter Notebooks cho các thí nghiệm AI

Nhận biết và Thị giác Máy tính

  • Sử dụng camera và cảm biến cho nhận biết
  • Phân loại hình ảnh, phát hiện đối tượng và phân đoạn bằng TensorFlow
  • Phát hiện cạnh và theo dõi đường viền bằng OpenCV
  • Xử lý và truyền phát hình ảnh thời gian thực

Định vị và Tích hợp Cảm biến

  • Hiểu về robot xác suất
  • Bộ lọc Kalman và Bộ lọc Kalman mở rộng (EKF)
  • Bộ lọc Particle cho môi trường phi tuyến
  • Tích hợp dữ liệu LiDAR, GPS và IMU cho định vị

Lập Kế hoạch Chuyển động và Tìm Đường

  • Thuật toán lập kế hoạch đường đi: Dijkstra, A*, và RRT*
  • Tránh chướng ngại vật và lập bản đồ môi trường
  • Điều khiển chuyển động thời gian thực bằng PID
  • Tối ưu hóa đường đi động bằng AI

Học Tăng cường cho Robot

  • Cơ bản về học tăng cường
  • Thiết kế hành vi dựa trên phần thưởng cho robot
  • Q-learning và Mạng Q-Neural sâu (DQN)
  • Tích hợp các tác nhân RL trong ROS cho chuyển động thích ứng

Định vị và Bản đồ hóa Đồng thời (SLAM)

  • Hiểu về các khái niệm và quy trình SLAM
  • Triển khai SLAM với các gói ROS (gmapping, hector_slam)
  • SLAM hình ảnh bằng OpenVSLAM hoặc ORB-SLAM2
  • Kiểm thử các thuật toán SLAM trong môi trường mô phỏng

Các Chủ đề Nâng cao và Tích hợp

  • Nhận dạng giọng nói và cử chỉ cho tương tác giữa con người và robot
  • Tích hợp với các nền tảng IoT và robot đám mây
  • Duy trì dự đoán dựa trên AI cho robot
  • Đạo đức và an toàn trong robot có AI

Dự án Cuối khóa

  • Thiết kế và mô phỏng một robot di động thông minh
  • Triển khai điều hướng, nhận biết và điều khiển chuyển động
  • Chứng minh quyết định thời gian thực bằng các mô hình AI

Tổng kết và Bước tiếp theo

  • Tổng quan về các kỹ thuật AI robot chính
  • Xu hướng tương lai trong robot tự động
  • Tài nguyên cho việc học tiếp tục

Yêu cầu

  • Kinh nghiệm lập trình bằng Python hoặc C++
  • Hiểu biết cơ bản về khoa học máy tính và kỹ thuật
  • Thành thạo các khái niệm về xác suất, giải tích và đại số tuyến tính

Đối Tượng

  • Kỹ sư
  • Người yêu thích robot
  • Nghiên cứu viên trong tự động hóa và AI
 21 Giờ

Số người tham gia


Giá cho mỗi học viên

Đánh giá (1)

Các khóa học sắp tới

Các danh mục liên quan