ROS 2與Docker機器人快速原型開發實踐培訓

人工智能（AI）與機器人技術結合了機器學習、控制系統和傳感器融合，旨在創建能夠感知、推理並自主行動的智能機器。通過現代工具如ROS 2、TensorFlow和OpenCV，工程師現在可以設計出能夠智能導航、規劃並與現實環境交互的機器人。

本課程爲講師指導的培訓（線上或線下），面向希望使用當前開源技術和框架開發、訓練和部署AI驅動機器人系統的中級工程師。

培訓結束後，參與者將能夠：

• 使用Python和ROS 2構建和模擬機器人行爲。
• 實現卡爾曼濾波和粒子濾波用於定位和跟蹤。
• 應用OpenCV進行計算機視覺感知和物體檢測。
• 使用TensorFlow進行運動預測和基於學習的控制。
• 集成SLAM（同步定位與地圖構建）實現自主導航。
• 開發強化學習模型以改進機器人決策。

課程形式

• 互動式講座與討論。
• 使用ROS 2和Python進行實際操作。
• 在模擬和真實機器人環境中進行實踐練習。

課程定製選項

如需爲本課程定製培訓，請聯繫我們進行安排。

在這個由講師主導的培訓中（線上或線下），參與者將學習用於編程不同類型機器人的各種技術、框架和方法，這些機器人將應用於核技術和環境系統領域。

本課程爲期6周，每週5天。每天4小時，包括講座、討論和在實際實驗室環境中的機器人開發實踐。參與者將完成各種適用於其工作的實際項目，以鞏固所學知識。

本課程的目標硬件將通過仿真軟件進行3D模擬。編程機器人將使用ROS（機器人操作系統）開源框架、C++和Python。

通過本培訓，參與者將能夠：

• 理解機器人技術中的關鍵概念。
• 理解並管理機器人系統中軟件與硬件的交互。
• 理解並實現支持機器人技術的軟件組件。
• 構建並操作一個模擬的機械機器人，使其能夠看、感知、處理、導航並通過語音與人類互動。
• 理解構建智能機器人所需的人工智能要素（機器學習、深度學習等）。
• 實現濾波器（卡爾曼和粒子濾波器），使機器人能夠定位環境中的移動物體。
• 實現搜索算法和運動規劃。
• 實現PID控制以調節機器人在環境中的運動。
• 實現SLAM算法，使機器人能夠繪製未知環境的地圖。
• 通過深度學習擴展機器人執行復雜任務的能力。
• 在真實場景中測試和調試機器人。

ROS 2（機器人操作系統2）是一個開源框架，旨在支持複雜且可擴展的機器人應用程序開發。

本課程爲講師指導的線下或線上培訓，面向希望使用ROS 2實現自主導航和SLAM（同步定位與地圖構建）的中級機器人工程師和開發者。

培訓結束後，參與者將能夠：

• 爲自主導航應用程序設置和配置ROS 2。
• 實現SLAM算法以進行地圖構建和定位。
• 將LiDAR和攝像頭等傳感器與ROS 2集成。
• 在Gazebo中模擬和測試自主導航。
• 在物理機器人上部署導航堆棧。

課程形式

• 互動講座與討論。
• 使用ROS 2工具和模擬環境進行動手實踐。
• 在虛擬或物理機器人上進行即時實驗和測試。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

OpenCV是一個開源的計算機視覺庫，支持即時圖像處理，而深度學習框架如TensorFlow則爲機器人系統提供了智能感知與決策工具。

本課程爲講師主導的培訓（線上或線下），面向中級機器人工程師、計算機視覺從業者以及機器學習工程師，旨在幫助他們應用計算機視覺與深度學習技術，實現機器人感知與自主決策。

通過本課程，學員將能夠：

• 使用OpenCV實現計算機視覺流水線。
• 集成深度學習模型，用於目標檢測與識別。
• 利用視覺數據進行機器人控制與導航。
• 將經典視覺算法與深度神經網絡結合。
• 在嵌入式與機器人平臺上部署計算機視覺系統。

課程形式

• 互動講座與討論。
• 使用OpenCV與TensorFlow進行實踐操作。
• 在模擬或實際機器人系統上進行即時實驗。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

機器人或聊天機器人就像一個計算機助手，用於在各種消息傳遞平臺上自動進行使用者交互，並更快地完成工作，而無需使用者與另一個人交談。

在這個由講師指導的現場培訓中，參與者將學習如何開始開發機器人，因為他們使用機器人開發工具和框架逐步創建範例聊天機器人。

在培訓結束時，參與者將能夠：

• 了解機器人的不同用途和應用
• 了解開發機器人的完整過程
• 探索用於構建機器人的不同工具和平臺
• 為 Facebook Messenger 構建示例聊天機器人
• 使用 Microsoft Bot Framework 生成示例聊天機器人

觀眾

• 有興趣創建自己的機器人的開發人員

課程形式

• 部分講座，部分討論，練習和大量動手練習

邊緣AI使人工智能模型能夠直接在嵌入式或資源受限的設備上運行，減少延遲和功耗，同時提高機器人系統的自主性和隱私性。

本次由講師主導的培訓（線上或線下）面向中級嵌入式開發人員和機器人工程師，旨在通過TinyML和邊緣AI框架在機器人硬件上直接實現機器學習推理和優化技術。

培訓結束後，學員將能夠：

• 瞭解TinyML和邊緣AI在機器人中的基礎知識。
• 轉換並部署用於設備端推理的AI模型。
• 優化模型的速度、大小和能效。
• 將邊緣AI系統集成到機器人控制架構中。
• 評估實際場景中的性能和準確性。

課程形式

• 互動式講座與討論。
• 使用TinyML和邊緣AI工具鏈進行實踐操作。
• 在嵌入式與機器人硬件平臺上進行實際練習。

課程定製選項

• 如需定製本課程，請聯繫我們進行安排。

本課程爲講師主導的培訓（在台灣線上或線下），面向希望探索協作機器人（cobot）及其他以人爲本的AI系統在現代工作場所中的角色的中級參與者。

在本培訓結束時，參與者將能夠：

• 理解以人爲本的物理AI的原理及其應用。
• 探索協作機器人在提升工作場所生產力中的作用。
• 識別並解決人機交互中的挑戰。
• 設計優化人類與AI驅動系統協作的工作流程。
• 在AI集成的工作場所中推動創新和適應性的文化。

人機交互（HRI）：語音、手勢與協作控制是一門實踐性課程，旨在向參與者介紹設計和實現人機交互的直觀界面。培訓結合了理論、設計原則和編程實踐，使用語音、手勢和共享控制技術構建自然且響應迅速的交互系統。參與者將學習如何集成感知模塊，開發多模態輸入系統，並設計能夠安全與人類協作的機器人。

本課程爲講師指導的培訓（線上或線下），面向希望設計和實現人機交互系統的初學者和中級參與者，以提升可用性、安全性和用戶體驗。

培訓結束後，參與者將能夠：

• 理解人機交互的基礎和設計原則。
• 開發基於語音的機器人控制和響應機制。
• 使用計算機視覺技術實現手勢識別。
• 設計用於安全和共享自主性的協作控制系統。
• 基於可用性、安全性和人爲因素評估HRI系統。

課程形式

• 互動式講座和演示。
• 動手編程和設計練習。
• 在模擬或真實機器人環境中進行實踐實驗。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

工業機器人自動化：ROS-PLC集成與數字孿生是一門實踐性課程，專注於將工業自動化與現代機器人框架相結合。學員將學習如何將基於ROS的機器人系統與PLC集成，以實現同步操作，並探索數字孿生環境，以模擬、監控和優化生產流程。課程重點強調互操作性、即時控制以及使用物理系統的數字副本進行預測分析。

本課程由講師主導，提供線上或線下培訓，面向希望在實際操作中掌握ROS控制機器人與PLC環境連接，並實施數字孿生以優化自動化和製造的中級專業人員。

培訓結束後，學員將能夠：

• 理解ROS與PLC系統之間的通信協議。
• 實現機器人與工業控制器之間的即時數據交換。
• 開發用於監控、測試和流程模擬的數字孿生。
• 在工業工作流程中集成傳感器、執行器和機器人操作器。
• 使用混合仿真環境設計和驗證工業自動化系統。

課程形式

• 互動講座和架構講解。
• 集成ROS和PLC系統的實踐練習。
• 仿真與數字孿生項目實施。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本次由講師主導的培訓在台灣（線上或線下）面向希望瞭解人工智能在機電一體化系統中適用性的工程師。

培訓結束後，參與者將能夠：

• 概述人工智能、機器學習和計算智能。
• 理解神經網絡的概念及不同的學習方法。
• 有效選擇人工智能方法解決現實問題。
• 在機電一體化工程中實施人工智能應用。

多機器人系統與羣體智能是一門高級培訓課程，探討受生物羣體行爲啓發的機器人團隊的設計、協調與控制。參與者將學習如何建模交互、實現分佈式決策，並優化多代理之間的協作。課程結合理論與實踐，通過動手模擬，爲學員在物流、國防、搜索與救援以及自主探索等領域的應用做好準備。

本課程由講師主導，提供線上或線下培訓，面向希望使用開源框架和算法設計、模擬和實現多機器人及羣體智能系統的高級專業人士。

培訓結束後，學員將能夠：

• 理解羣體智能和協作機器人的原理與動態。
• 設計多機器人系統的通信與協調策略。
• 實現分佈式決策與共識算法。
• 模擬編隊控制、集羣行爲與覆蓋等集體行爲。
• 將羣體智能技術應用於現實場景與優化問題。

課程形式

• 高級講座，深入探討算法。
• 使用ROS 2和Gazebo進行動手編程與模擬。
• 應用羣體智能原理的協作項目。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

本課程爲講師指導的培訓（台灣線上或線下），面向高級機器人工程師和AI研究人員，旨在利用多模態AI整合各種傳感器數據，創建能夠看、聽、觸摸的更自主、高效的機器人。

培訓結束後，學員將能夠：

• 在機器人系統中實現多模態傳感。
• 開發用於傳感器融合和決策的AI算法。
• 創建能夠在動態環境中執行復雜任務的機器人。
• 解決即時數據處理和執行中的挑戰。

本課程爲講師指導的台灣（線上或線下）培訓，面向希望提升設計、編程和部署智能機器人系統技能的學員。

課程結束時，學員將能夠：

• 理解物理AI的原理及其在機器人和自動化中的應用。
• 爲動態環境設計和編程智能機器人系統。
• 在機器人中實現自主決策的AI模型。
• 利用仿真工具進行機器人測試和優化。
• 應對傳感器融合、即時處理和能源效率等挑戰。

強化學習（RL）是一種機器學習範式，代理通過與環境的交互來學習如何做出決策。在機器人領域，強化學習使自主系統能夠通過經驗和反饋發展出自適應控制和決策能力。

本課程由講師主導，提供線上或線下培訓，面向高級機器學習工程師、機器人研究人員和開發人員，旨在幫助他們設計、實現並部署強化學習算法於機器人應用中。

通過本課程，學員將能夠：

• 理解強化學習的原理和數學基礎。
• 實現Q-learning、DDPG和PPO等強化學習算法。
• 使用OpenAI Gym和ROS 2將強化學習與機器人仿真環境集成。
• 通過試錯法訓練機器人自主執行復雜任務。
• 使用PyTorch等深度學習框架優化訓練性能。

課程形式

• 互動式講座與討論。
• 使用Python、PyTorch和OpenAI Gym進行動手實踐。
• 在仿真或實際機器人環境中進行實操練習。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

Smart Robotics 是將人工智能集成到機器人系統中，以提升感知、決策和自主控制能力。

本次由講師指導的培訓（線上或線下）面向高級機器人工程師、系統集成商和自動化負責人，旨在幫助他們在智能製造環境中實現基於AI的感知、規劃和控制。

通過本次培訓，參與者將能夠：

• 理解並應用AI技術於機器人感知和傳感器融合。
• 開發協作機器人和工業機器人的運動規劃算法。
• 部署基於學習的控制策略，用於即時決策。
• 將智能機器人系統集成到智能工廠的工作流程中。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行動手操作。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。