Plan du cours

Semaine 01

Introduction

  • Qu'est-ce qui rend un robot intelligent ?

Robots physiques et virtuels

  • Smart Robots, Machines intelligentes, Machines sensibles et Robotic Process Automation (RPA), etc.

Le rôle de Artificial Intelligence (AI) dans Robotics

  • Au-delà du "if-then-else" et du machine learning
  • Les algorithmes derrière l'IA
  • Apprentissage automatique, vision par ordinateur, traitement du langage naturel (NLP), etc.
  • Robotique cognitive

Le rôle de Big Data dans Robotics

  • Prise de décision basée sur des données et des modèles

Le cloud et Robotics

  • Relier la robotique aux technologies de l'information
  • Construire des robots plus fonctionnels qui accèdent à davantage d'informations et collaborent

Étude de cas : Robots industriels

  • Robots mécaniques
    • Baxter
  • Robots dans les installations nucléaires
    • Détection et protection contre les rayonnements
  • Robots dans les Reactors nucléaires
    • Détection et protection contre les rayonnements

Composants matériels d'un robot

  • Moteurs, capteurs, microcontrôleurs, caméras, etc.

Elements courants des robots

  • Vision artificielle, reconnaissance vocale, synthèse vocale, détection de proximité, détection de pression, etc.

Cadres de développement pour Programming un robot

  • Cadres libres et commerciaux
  • Système d'exploitation de robot (ROS)
    • Architecture : espace de travail, sujets, messages, services, nœuds, actionlibs, outils, etc.

Languages pour Programming un robot

  • C++ pour le contrôle de bas niveau
  • Python pour l'orchestration
  • Programming ROS nœuds en Python et C ++
  • Autres langages

Outils de simulation d'un robot physique

  • Logiciels de simulation et de visualisation 3D commerciaux et libres

Semaine 02

Préparation de l'environnement de développement

  • Installation et configuration du logiciel
  • Paquets et utilitaires utiles

Étude de cas : Robots mécaniques

  • Robots dans le domaine de la technologie nucléaire
  • Robots dans les systèmes environnementaux

Programming le robot

  • Programming un noeud dans Python et C ++
  • Comprendre le noeud ROS
  • Messages et sujets dans ROS
  • Paradigme de publication / d'abonnement
  • Projet : Bump & Go avec un vrai robot
  • Résolution des problèmes
  • Simulation de robots avec Gazebo / ROS (en anglais)
  • Images dans ROS et changements de référence
  • Traitement de l'information 2D des caméras avec OpenCV.
  • Traitement de l'information d'un laser
  • Projet : Suivi sécurisé d'objets par couleur
  • Résolution des problèmes

Semaine 03

Programming le robot (Suite...)

  • Services en ROS
  • Traitement de l'information 3D des capteurs RVB-D avec PCL
  • Cartes et navigation avec ROS
  • Projet : Recherche d'objets dans l'environnement
  • Dépannage

Programming le robot (suite...)

  • ActionLib
  • Speech Recognition et la génération de la parole
  • Contrôle des bras robotiques avec MoveIt !
  • Contrôle du cou du robot pour une vision active
  • Projet : Recherche et collecte d'objets
  • Résolution des problèmes

Tester votre robot

  • Tests unitaires

Semaine 04

Extension des capacités d'un robot avec Deep Learning

  • Perception -- vision, audio et haptique
  • Représentation des connaissances
  • Reconnaissance vocale grâce au NLP (traitement du langage naturel)
  • Vision par ordinateur

Cours accéléré sur les Deep Learning

  • Artificielle Neural Networks (ANNs)
  • Les Neural Networks artificiels vs. les Bio logiques Neural Networks
  • Fonctions d'activation Deep Learning artificielles Neural Networks et Bio logiques Neural Networks
  • Fonctions d'activation
  • Formation des Neural Networks artificiels

Cours accéléré sur les Deep Learning (suite...)

  • Modèles Deep Learning (Suite...)
    • Réseaux convolutifs et réseaux récurrents
  • Réseaux Neural Networks convolutifs (CNN ou ConvNets)
    • Couche de convolution
    • Couche de mise en commun
    • Architecture des réseaux convolutifs Neural Networks (CNN ou ConvNets)

Semaine 05

Cours accéléré de Deep Learning (Suite...)

  • Récurrent Neural Networks (RNN)
    • Formation d'un RNN
    • Stabilisation des gradients pendant la formation
    • Réseaux de mémoire à long terme
  • Deep Learning Plates-formes et bibliothèques logicielles
    • Deep Learning dans ROS

Utiliser Big Data dans votre robot

  • Concepts de big data
  • Approches de l'analyse des données
  • L'outillage du Big Data
  • Reconnaître des modèles dans les données
  • Exercice : NLP et Computer Vision sur de grands ensembles de données

Utiliser Big Data dans votre robot (suite...)

  • Traitement distribué de grands ensembles de données
  • Coexistence et fertilisation croisée de Big Data et Robotics
  • Le robot en tant que générateur de données
    • Capteurs de mesure de la portée, capteurs de position, visuels, tactiles et autres modalités
  • Donner un sens aux données sensorielles (boucle sens-plan-action)
  • Exercice : Capturer des données en continu

Programming un robot Deep Learning autonome

  • Composants du robot Deep Learning
  • Configuration du simulateur de robot
  • Exécution d'un réseau neuronal accéléré par CUDA avec Cafe
  • Résolution des problèmes

Semaine 06

Un robot Programming autonome Deep Learning (Suite...)

  • Reconnaître des objets dans des photographies ou des flux vidéo
  • Permettre la vision par ordinateur avec OpenCV
  • Résolution des problèmes

Analyse des données

  • Utiliser le robot pour collecter et organiser de nouvelles données
  • Outils et processus d'analyse des données

Déploiement d'un robot

  • Transition d'un robot simulé vers du matériel physique
  • Déploiement du robot dans le monde physique
  • Surveillance et entretien des robots sur le terrain

Sécuriser votre robot

  • Empêcher les manipulations non autorisées
  • Empêcher les pirates de consulter et de voler des données sensibles

Construire un robot en collaboration

  • Construire un robot dans le nuage
  • Rejoindre la communauté de la robotique

L'avenir Outlook des robots dans le domaine de la science et de l'énergie

Résumé et conclusion

Pré requis

  • Programming expérience en C ou C++
  • Programming expérience en Python (utile mais pas nécessaire ; peut être enseigné dans le cadre du cours)
  • Expérience avec la ligne de commande Linux

Public

  • Développeurs
  • Ingénieurs
  • Scientifiques
  • Techniciens
 120 Heures

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires