課程簡介

第01周

介紹

  • 什麼讓機器人變得智能?

物理機器人與虛擬機器人

  • 智能機器人、智能機器、有感知能力的機器與機器人流程自動化(RPA)等

人工智能(AI)在機器人中的作用

  • 超越“if-then-else”與學習機器
  • AI背後的算法
  • 機器學習、計算機視覺、自然語言處理(NLP)等
  • 認知機器人

大數據在機器人中的作用

  • 基於數據和模式的決策

雲與機器人

  • 將機器人與IT連接
  • 構建功能更強大的機器人,使其能夠訪問更多信息並進行協作

案例研究:工業機器人

  • 機械機器人
    • Baxter
  • 核設施中的機器人
    • 輻射檢測與防護
  • 核反應堆中的機器人
    • 輻射檢測與防護

機器人的硬件組件

  • 電機、傳感器、微控制器、攝像頭等

機器人的常見元素

  • 機器視覺、語音識別、語音合成、接近感應、壓力感應等

機器人編程的開發框架

  • 開源與商業框架
  • 機器人操作系統(ROS)
    • 架構:工作空間、主題、消息、服務、節點、actionlibs、工具等

機器人編程語言

  • C++用於底層控制
  • Python用於編排
  • 使用Python和C++編程ROS節點
  • 其他語言

物理機器人模擬工具

  • 商業與開源的3D模擬與可視化軟件

第02周

準備開發環境

  • 軟件安裝與設置
  • 有用的包與工具

案例研究:機械機器人

  • 核技術領域的機器人
  • 環境系統中的機器人

機器人編程

  • 使用Python和C++編程節點
  • 理解ROS節點
  • ROS中的消息與主題
  • 發佈/訂閱範式
  • 項目:使用真實機器人進行Bump & Go
  • 故障排除
  • 使用Gazebo/ROS模擬機器人
  • ROS中的幀與參考變化
  • 使用OpenCV處理攝像頭的2D信息
  • 激光的信息處理
  • 項目:通過顏色安全跟蹤物體
  • 故障排除

第03周

機器人編程(續...)

  • ROS中的服務
  • 使用PCL處理RGB-D傳感器的3D信息
  • 使用ROS進行地圖與導航
  • 項目:在環境中搜索物體
  • 故障排除

機器人編程(續...)

  • ActionLib
  • 語音識別與語音生成
  • 使用MoveIt!控制機械臂
  • 控制機器人頸部以實現主動視覺
  • 項目:搜索與收集物體
  • 故障排除

測試你的機器人

  • 單元測試

第04周

通過深度學習擴展機器人的能力

  • 感知——視覺、音頻與觸覺
  • 知識表示
  • 通過自然語言處理(NLP)進行語音識別
  • 計算機視覺

深度學習速成課程

  • 人工神經網絡(ANNs)
  • 人工神經網絡與生物神經網絡的比較
  • 前饋神經網絡
  • 激活函數
  • 訓練人工神經網絡

深度學習速成課程(續...)

  • 深度學習模型
    • 卷積網絡與循環網絡
  • 卷積神經網絡(CNNs或ConvNets)
    • 卷積層
    • 池化層
    • 卷積神經網絡架構

第05周

深度學習速成課程(續...)

  • 循環神經網絡(RNN)
    • 訓練RNN
    • 在訓練期間穩定梯度
    • 長短期記憶網絡
  • 深度學習平臺與軟件庫
    • ROS中的深度學習

在機器人中使用大數據

  • 大數據概念
  • 數據分析方法
  • 大數據工具
  • 識別數據中的模式
  • 練習:在大數據集上進行NLP與計算機視覺

在機器人中使用大數據(續...)

  • 大數據集的分佈式處理
  • 大數據與機器人的共存與相互促進
  • 機器人作爲數據生成器
    • 距離測量傳感器、位置、視覺、觸覺傳感器及其他模態
  • 理解感知數據(感知-計劃-行動循環)
  • 練習:捕獲流數據

編程自主深度學習機器人

  • 深度學習機器人組件
  • 設置機器人模擬器
  • 使用Caffe運行CUDA加速的神經網絡
  • 故障排除

第06周

編程自主深度學習機器人(續...)

  • 識別照片或視頻流中的物體
  • 使用OpenCV啓用計算機視覺
  • 故障排除

數據分析

  • 使用機器人收集與組織新數據
  • 理解數據的工具與流程

部署機器人

  • 將模擬機器人過渡到物理硬件
  • 在物理世界中部署機器人
  • 監控與維護現場機器人

保護你的機器人

  • 防止未經授權的篡改
  • 防止黑客查看與竊取敏感數據

協作構建機器人

  • 在雲端構建機器人
  • 加入機器人社區

機器人在科學與能源領域的未來展望

總結與結論

最低要求

  • C或C++編程經驗
  • Python編程經驗(有用但非必需,可作爲課程內容教授)
  • Linux命令行經驗

受衆

  • 開發者
  • 工程師
  • 科學家
  • 技術員
 120 時間:

人數


每位參與者的報價

客戶評論 (1)

Upcoming Courses

課程分類