Autonomous Navigation & SLAM with ROS 2 Khóa Học Đào Tạo

Robotics là một lĩnh vực trong Trí tuệ nhân tạo (AI) liên quan đến lập trình và thiết kế các máy móc thông minh và hiệu quả.

Khóa học trực tiếp do giảng viên dẫn dắt (trực tuyến hoặc tại chỗ) này hướng đến những kỹ sư muốn lập trình và tạo ra robot bằng các phương pháp AI cơ bản.

Đến cuối khóa học, các tham gia sẽ có thể:

• Triển khai bộ lọc (Kalman và particle) để cho robot định vị các đối tượng di động trong môi trường.
• Triển khai các thuật toán tìm kiếm và quy hoạch chuyển động.
• Triển khai điều khiển PID để điều chỉnh chuyển động của robot trong môi trường.
• Triển khai thuật toán SLAM để cho robot vẽ bản đồ môi trường không rõ.

Định dạng của khóa học

• Bài giảng và thảo luận tương tác.
• Nhiều bài tập và thực hành.
• Triển khai thực tế trong môi trường phòng thí nghiệm trực tiếp.

Tùy chọn tùy chỉnh khóa học

• Để yêu cầu một khóa học tùy chỉnh cho khóa học này, vui lòng liên hệ với chúng tôi để sắp xếp.

Trong khóa học dẫn dẫn trực tiếp, trực tuyến hoặc trực tiếp tại cơ sở, các tham gia viên sẽ học về các công nghệ, khung và kỹ thuật khác nhau để lập trình các loại máy móc khác nhau để được sử dụng trong lĩnh vực công nghệ hạt nhân và hệ thống môi trường.

Khóa học 6 tuần được tổ chức 5 ngày một tuần. Mỗi ngày kéo dài 4 giờ và bao gồm các bài giảng, thảo luận và phát triển máy móc thực tế trong môi trường phòng thí nghiệm trực tiếp. Các tham gia viên sẽ hoàn thành các dự án thực tế có thể áp dụng vào công việc của họ để luyện tập kiến thức đã học.

Phần cứng mục tiêu của khóa học này sẽ được mô phỏng 3D thông qua phần mềm mô phỏng. Khung ROS (Robot Operating System) nguồn mở, C++ và Python sẽ được sử dụng để lập trình các máy móc.

Sau khi hoàn thành khóa học này, các tham gia viên sẽ có thể:

• Hiểu các khái niệm chính được sử dụng trong công nghệ máy móc.
• Hiểu và quản lý tương tác giữa phần mềm và phần cứng trong hệ thống máy móc.
• Hiểu và thực hiện các thành phần phần mềm hỗ trợ cho công nghệ máy móc.
• Xây dựng và điều khiển một máy móc cơ khí mô phỏng có thể nhìn thấy, cảm nhận, xử lý, điều hướng và tương tác với con người thông qua giọng nói.
• Hiểu các yếu tố cần thiết của trí tuệ nhân tạo (học máy, học sâu, v.v.) áp dụng cho việc xây dựng một máy móc thông minh.
• Thực hiện bộ lọc (Kalman và Particle) để cho phép máy móc xác định vị trí các đối tượng di chuyển trong môi trường của nó.
• Thực hiện các thuật toán tìm kiếm và lập kế hoạch di chuyển.
• Thực hiện các điều khiển PID để điều chỉnh chuyển động của máy móc trong môi trường.
• Thực hiện các thuật toán SLAM để cho phép máy móc vẽ bản đồ một môi trường chưa biết.
• Mở rộng khả năng của máy móc để thực hiện các nhiệm vụ phức tạp thông qua Học sâu.
• Kiểm tra và sửa lỗi máy móc trong các tình huống thực tế.

Trong khóa học hướng dẫn trực tiếp, trực tuyến hoặc tại chỗ, các tham gia sẽ học về các công nghệ, khung và kỹ thuật khác nhau để lập trình các loại robot khác nhau được sử dụng trong lĩnh vực công nghệ hạt nhân và hệ thống môi trường.

Khóa học kéo dài 4 tuần, được tổ chức 5 ngày mỗi tuần. Mỗi ngày có thời lượng 4 giờ, bao gồm các buổi giảng, thảo luận và phát triển robot thực tế trong môi trường phòng thí nghiệm trực tuyến. Các tham gia sẽ hoàn thành các dự án thực tế có liên quan đến công việc của họ để luyện tập kiến thức đã học.

Phần cứng mục tiêu cho khóa học này sẽ được mô phỏng 3D thông qua phần mềm mô phỏng. Mã sẽ được tải lên phần cứng vật lý (Arduino hoặc các loại khác) để kiểm tra triển khai cuối cùng. Khung ROS (Robot Operating System) nguồn mở, C++ và Python sẽ được sử dụng để lập trình robot.

Đến cuối khóa học, các tham gia sẽ có thể:

• Hiểu các khái niệm chính được sử dụng trong công nghệ robot.
• Hiểu và quản lý tương tác giữa phần mềm và phần cứng trong một hệ thống robot.
• Hiểu và thực hiện các thành phần phần mềm nền tảng của robot học.
• Xây dựng và vận hành một robot cơ khí mô phỏng có thể nhìn thấy, cảm nhận, xử lý, điều hướng và tương tác với con người thông qua giọng nói.
• Hiểu các yếu tố cần thiết của trí tuệ nhân tạo (học máy, học sâu, v.v.) áp dụng cho việc xây dựng một robot thông minh.
• Thực hiện bộ lọc (Kalman và Particle) để cho phép robot định vị các vật di động trong môi trường xung quanh.
• Thực hiện thuật toán tìm kiếm và kế hoạch di chuyển.
• Thực hiện điều khiển PID để điều chỉnh chuyển động của robot trong một môi trường.
• Thực hiện thuật toán SLAM để cho phép robot vẽ bản đồ một môi trường chưa biết.
• Kiểm tra và sửa lỗi robot trong các tình huống thực tế.

OpenCV is an open-source computer vision library that enables real-time image processing, while deep learning frameworks such as TensorFlow provide the tools for intelligent perception and decision-making in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level robotics engineers, computer vision practitioners, and machine learning engineers who wish to apply computer vision and deep learning techniques for robotic perception and autonomy.

By the end of this training, participants will be able to:

• Implement computer vision pipelines using OpenCV.
• Integrate deep learning models for object detection and recognition.
• Use vision-based data for robotic control and navigation.
• Combine classical vision algorithms with deep neural networks.
• Deploy computer vision systems on embedded and robotic platforms.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using OpenCV and TensorFlow.
• Live-lab implementation on simulated or physical robotic systems.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Edge AI enables artificial intelligence models to run directly on embedded or resource-constrained devices, reducing latency and power consumption while increasing autonomy and privacy in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level embedded developers and robotics engineers who wish to implement machine learning inference and optimization techniques directly on robotic hardware using TinyML and edge AI frameworks.

By the end of this training, participants will be able to:

• Understand the fundamentals of TinyML and edge AI for robotics.
• Convert and deploy AI models for on-device inference.
• Optimize models for speed, size, and energy efficiency.
• Integrate edge AI systems into robotic control architectures.
• Evaluate performance and accuracy in real-world scenarios.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using TinyML and edge AI toolchains.
• Practical exercises on embedded and robotic hardware platforms.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Reinforcement learning (RL) is a machine learning paradigm where agents learn to make decisions by interacting with an environment. In robotics, RL enables autonomous systems to develop adaptive control and decision-making capabilities through experience and feedback.

This instructor-led, live training (online or onsite) is aimed at advanced-level machine learning engineers, robotics researchers, and developers who wish to design, implement, and deploy reinforcement learning algorithms in robotic applications.

By the end of this training, participants will be able to:

• Understand the principles and mathematics of reinforcement learning.
• Implement RL algorithms such as Q-learning, DDPG, and PPO.
• Integrate RL with robotic simulation environments using OpenAI Gym and ROS 2.
• Train robots to perform complex tasks autonomously through trial and error.
• Optimize training performance using deep learning frameworks like PyTorch.

Format of the Course

• Interactive lecture and discussion.
• Hands-on implementation using Python, PyTorch, and OpenAI Gym.
• Practical exercises in simulated or physical robotic environments.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.