Cảm ơn bạn đã gửi yêu cầu! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Cảm ơn bạn đã gửi đặt chỗ! Một thành viên trong đội ngũ của chúng tôi sẽ liên hệ với bạn ngay lập tức.
Đề cương khóa học
Giới thiệu về Thao tác Robot và Deep Learning
- Tổng quan về các tác vụ thao tác và các thành phần hệ thống
- Phương pháp truyền thống so với phương pháp dựa trên học máy
- Deep learning trong nhận thức, lập kế hoạch và điều khiển
Nhận thức cho Thao tác Robot
- Cảm biến thị giác và phát hiện vật thể để nắm bắt
- Tư duy 3D, cảm biến độ sâu và xử lý đám mây điểm (point cloud)
- Đào tạo CNN cho định vị và phân đoạn vật thể
Lập kế hoạch và Phát hiện điểm Nắm bắt
- Các thuật toán lập kế hoạch nắm bắt cổ điển
- Học các tư thế nắm bắt từ dữ liệu và mô phỏng
- Thực hiện các mạng phát hiện điểm nắm bắt (ví dụ: GGCNN, Dex-Net)
Điều khiển và Lập kế hoạch Chuyển động
- Động học nghịch (inverse kinematics) và tạo quỹ đạo
- Lập kế hoạch chuyển động dựa trên học máy và học bắt chước (imitation learning)
- Học tăng cường (reinforcement learning) cho các chính sách điều khiển thao tác
Tích hợp với ROS 2 và Môi trường Mô phỏng
- Cài đặt các node ROS 2 cho nhận thức và điều khiển
- Mô phỏng các manipulator robot trong Gazebo và Isaac Sim
- Tích hợp các mô hình thần kinh cho điều khiển thời gian thực
Học Đầu-cuối (End-to-End Learning) cho Thao tác Robot
- Kết hợp nhận thức, chính sách và điều khiển trong các mạng thống nhất
- Sử dụng dữ liệu trình diễn (demonstration data) cho việc học chính sách có giám sát
- Thích ứng miền (domain adaptation) giữa mô phỏng và phần cứng thực tế
Đánh giá và Tối ưu hóa
- Các chỉ số đo lường thành công nắm bắt, độ ổn định và độ chính xác
- Kiểm thử trong các điều kiện và nhiễu khác nhau
- Nén mô hình và triển khai trên các thiết bị biên (edge devices)
Dự án Thực hành: Nắm bắt Robot dựa trên Deep Learning
- Thiết kế đường ống từ nhận thức đến hành động (perception-to-action pipeline)
- Đào tạo và kiểm tra mô hình phát hiện điểm nắm bắt
- Tích hợp mô hình vào cánh tay robot mô phỏng
Yêu cầu
- Hiểu biết vững chắc về động học và động lực học robot
- Kinh nghiệm với Python và các framework deep learning
- Quen thuộc với ROS hoặc các nền tảng phần mềm trung gian robot tương tự
Đối tượng tham gia
- Kỹ sư robotics phát triển các hệ thống thao tác thông minh
- Chuyên gia về nhận thức và điều khiển làm việc về các ứng dụng nắm bắt
- Nhà nghiên cứu và chuyên gia cấp cao trong lĩnh vực học máy robot và điều khiển dựa trên AI
28 Giờ
Đánh giá (2)
Cung cấp các tài liệu (máy ảo) để bạn có thể bắt ngay vào các bài tập, cùng với phần giải thích về cốt lõi của ROS2. Lý do tại sao mọi thứ lại hoạt động theo một cách nhất định.
Arjan Bakema
Khóa học - Autonomous Navigation & SLAM with ROS 2
Dịch thuật bằng máy
kiến thức và việc sử dụng AI cho Robot trong Tương lai.
Ryle - PHILIPPINE MILITARY ACADEMY
Khóa học - Artificial Intelligence (AI) for Robotics
Dịch thuật bằng máy
