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.
Duración 21 horas
Temario del curso
Fundamentos de TinyML para robótica
- Capacidades y limitaciones clave de TinyML
- El papel de la IA en el borde en los sistemas autónomos
- Consideraciones de hardware para robots móviles y drones
Hardware embebido e interfaces de sensores
- Microcontroladores y placas embebidas para robótica
- Integración de cámaras, IMUs y sensores de proximidad
- Presupuestación de energía y capacidad de cómputo
Ingeniería de datos para la percepción robótica
- Recopilación y etiquetado de datos para tareas robóticas
- Técnicas de preprocesamiento de señales e imágenes
- Estrategias de extracción de características para dispositivos limitados
Desarrollo y optimización de modelos
- Selección de arquitecturas para percepción, detección y clasificación
- Flujos de trabajo de entrenamiento para ML embebido
- Compresión de modelos, cuantización y optimización de latencia
Percepción y control en el dispositivo
- Ejecución de inferencia en microcontroladores
- Fusión de salidas de TinyML con algoritmos de control
- Seguridad y respuesta en tiempo real
Mejoras en la navegación autónoma
- Navegación basada en visión ligera
- Detección y evasión de obstáculos
- Conciencia ambiental bajo restricciones de recursos
Pruebas y validación de robots impulsados por TinyML
- Herramientas de simulación y enfoques de pruebas en campo
- Métricas de rendimiento para la autonomía embebida
- Depuración y mejora iterativa
Integración en plataformas robóticas
- Implementación de TinyML dentro de flujos de trabajo basados en ROS
- Interfaz de modelos de ML con controladores de motores
- Mantenimiento de la fiabilidad ante variaciones de hardware
Resumen y próximos pasos
Requerimientos
- Comprensión de las arquitecturas de sistemas robóticos
- Experiencia en desarrollo embebido
- Conocimiento de conceptos de aprendizaje automático
Público objetivo
- Ingenieros de robótica
- Investigadores en IA
- Desarrolladores de sistemas embebidos
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