Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la Manipulación Robótica y el Aprendizaje Profundo
- Visión general de las tareas de manipulación y los componentes del sistema
- Enfoques tradicionales vs. enfoques basados en el aprendizaje
- Aprendizaje profundo en la percepción, la planificación y el control
Percepción para la Manipulación
- Detección de objetos y sensores visuales para la prehensión
- Visión 3D, sensorización de profundidad y procesamiento de nubes de puntos
- Entrenamiento de CNN para la localización y segmentación de objetos
Planificación y Detección de Prehensión
- Algoritmos clásicos de planificación de la prehensión
- Aprendizaje de poses de prehensión a partir de datos y simulación
- Implementación de redes de detección de prehensión (por ejemplo, GGCNN, Dex-Net)
Control y Planificación de Movimiento
- Cinemática inversa y generación de trayectorias
- Planificación de movimiento basada en el aprendizaje y aprendizaje por imitación
- Aprendizaje por refuerzo para políticas de control de manipulación
Integración con ROS 2 y Entornos de Simulación
- Configuración de nodos ROS 2 para la percepción y el control
- Simulación de manipuladores robóticos en Gazebo y Isaac Sim
- Integración de modelos neuronales para el control en tiempo real
Aprendizaje de Extremo a Extremo para la Manipulación
- Combinación de percepción, política y control en redes unificadas
- Uso de datos de demostración para el aprendizaje supervisado de políticas
- Adaptación de dominio entre la simulación y el hardware real
Evaluación y Optimización
- Métricas para el éxito de la prehensión, la estabilidad y la precisión
- Pruebas bajo condiciones y perturbaciones variables
- Compresión de modelos y despliegue en dispositivos de borde
Práctica: Prehensión Robótica Basada en Aprendizaje Profundo
- Diseño de una pipeline de percepción a acción
- Entrenamiento y prueba de un modelo de detección de prehensión
- Integración del modelo en un brazo robótico simulado
Requerimientos
- Sólido entendimiento de la cinemática y dinámica de la robótica
- Experiencia con Python y marcos de aprendizaje profundo
- Conocimiento de ROS u otro software intermedio robótico similar
Público Objetivo
- Ingenieros de robótica que desarrollan sistemas de manipulación inteligentes
- Especialistas en percepción y control que trabajan en aplicaciones de prehensión
- Investigadores y profesionales avanzados en aprendizaje robótico y control basado en IA
28 Horas
Reseñas (2)
Suministro de los materiales (máquina virtual) para comenzar directamente con los ejercicios y explicación del núcleo de ROS2. Por qué las cosas funcionan de cierta manera.
Arjan Bakema
Curso - Autonomous Navigation & SLAM with ROS 2
Traducción Automática
su conocimiento y utilización de la IA para la robótica en el futuro.
Ryle - PHILIPPINE MILITARY ACADEMY
Curso - Artificial Intelligence (AI) for Robotics
Traducción Automática
