Cursusaanbod

Inleiding tot Edge AI in Robotics

  • Wat is Edge AI?
  • Waarom is Edge AI essentieel voor robotica
  • Uitdagingen van AI in realtime in autonome systemen

AI-modellen implementeren op Edge-apparaten

  • AI-inferentie op NVIDIA Jetson en andere edge-hardware
  • Gebruik van TensorFlow Lite en ONNX voor edge-implementatie
  • AI-modellen optimaliseren voor realtime uitvoering

Realtime perceptie voor autonome systemen

  • Computer vision voor robotnavigation
  • Sensorfusie: LiDAR, camera's en IMU's
  • Edge AI voor objectdetectie en -tracking

Beslissen en controleren in Robotics

  • Versterkend leren voor autonome gedragingen
  • Padplanning en obstakelvermijding
  • Latency-optimalisatie in realtime AI-systemen

AI integreren met ROS (Robot Operating System)

  • Overzicht van ROS en zijn ecosysteem
  • AI-gebaseerde perceptiemodellen uitvoeren in ROS
  • Edge AI in multi-robot- en zwermrobottoepassingen

AI optimaliseren voor low-power robotsystemen

  • Efficiënte neurale netwerkarchitecturen voor robotica
  • Het verlagen van het stroomverbruik in AI-gestuurde robots
  • AI implementeren op batterijgevoede robotplatforms

Toepassingen in de echte wereld en toekomstige trends

  • Autonome drones en industriële robots
  • AI-gestuurde robotassistenten
  • Toekomstige verbeteringen in Edge AI voor robotica

Samenvatting en volgende stappen

Vereisten

  • Een begrip van AI en machine learning-modellen
  • Ervaring met embedded systems of robotics
  • Basiskennis van realtime computing

Doelgroep

  • Robotics engineers
  • AI-ontwikkelaars
  • Automatiseringsspecialisten
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën