Návrh Školení

Úvod do Edge AI v Robotics

  • Co je Edge AI?
  • Proč je Edge AI pro robotiku zásadní
  • Výzvy AI v reálném čase v autonomních systémech

Nasazení modelů umělé inteligence na zařízeních Edge

  • Odvození AI na NVIDIA Jetson a další okrajový hardware
  • Použití TensorFlow Lite a ONNX pro nasazení okrajů
  • Optimalizace modelů umělé inteligence pro provádění v reálném čase

Vnímání v reálném čase pro autonomní systémy

  • Počítačové vidění pro robotickou navigaci
  • Fúze senzorů: LiDAR, kamery a IMU
  • Edge AI pro detekci a sledování objektů

Rozhodování a kontrola v Robotics

  • Posílení učení pro autonomní chování
  • Plánování cesty a vyhýbání se překážkám
  • Optimalizace latence v systémech umělé inteligence v reálném čase

Integrace umělé inteligence s ROS (operační systém robotů)

  • Přehled ROS a jeho ekosystému
  • Spuštění modelů vnímání založených na umělé inteligenci v ROS
  • Edge AI v aplikacích multirobotů a rojových robotů

Optimalizace umělé inteligence pro nízkoenergetické robotické systémy

  • Efektivní architektury neuronových sítí pro robotiku
  • Snížení spotřeby energie u robotů řízených umělou inteligencí
  • Nasazení AI na bateriově napájených robotických platformách

Aplikace v reálném světě a budoucí trendy

  • Autonomní drony a průmyslové roboty
  • Robotičtí asistenti pohánění umělou inteligencí
  • Budoucí pokrok v Edge AI pro robotiku

Shrnutí a další kroky

Požadavky

  • Pochopení AI a modelů strojového učení
  • Zkušenosti s vestavěnými systémy nebo robotikou
  • Základní znalost práce na počítači v reálném čase

Publikum

  • Robotics inženýrů
  • Vývojáři AI
  • Specialisté na automatizaci
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie