Plan du cours
Semaine 01
Introduction
-
Qu'est-ce qui rend un robot intelligent ?
Robots physiques et virtuels
-
Smart Robots, Smart Machines, Sentient Machines et Robotic Process Automation (RPA), etc.
Le rôle de l'intelligence artificielle (IA) dans Robotics
-
Au-delà des "if-then-else" et du machine learning
Les algorithmes qui sous-tendent l'IA
Apprentissage automatique, vision par ordinateur, traitement du langage naturel (NLP), etc.
Robotique cognitive
Le rôle du Big Data dans Robotics
-
Prise de décision basée sur des données et des modèles
Le nuage et Robotics
-
Relier la robotique aux technologies de l'information
Construire des robots plus fonctionnels qui accèdent à plus d'informations et collaborent
Étude de cas : Robots industriels
-
Robots mécaniques
Baxter
Les Element communs des robots
-
Vision artificielle, reconnaissance vocale, synthèse vocale, détection de proximité, détection de pression, etc.
Cadres de développement pour Programming un robot
-
Cadres libres et commerciaux
Système d'exploitation pour robots (ROS)
Architecture : espace de travail, sujets, messages, services, nœuds, actionlibs, outils, etc.
Langues pour Programming a Robot
-
C++ pour le contrôle de bas niveau
Python pour l'orchestration
Programmation ROS nœuds en Python et C ++
Autres langages
Outils de simulation d'un robot physique
-
Logiciels de simulation et de visualisation 3D commerciaux et libres
  ;
-
Semaine 02
Préparation de l'environnement de développement
Installation et configuration du logiciel Paquets et utilitaires utiles
Étude de cas : Robots mécaniques
-
Robots dans le domaine de la technologie nucléaire
Robots dans les systèmes environnementaux
Programming le Robot
-
Programmer un nœud en Python et C ++
Comprendre le nœud ROS
Messages et sujets dans ROS
Paradigme de la publication / de l'abonnement
Projet : Bump & ; Go avec un vrai robot
Résolution des problèmes
Simulation de robots avec Gazebo / ROS (en anglais)
Images dans ROS et changements de référence
Traitement de l'information 2D des caméras avec OpenCV
Traitement de l'information d'un laser
Projet : Suivi sécurisé d'objets par couleur
Résolution des problèmes
  ;
-
Semaine 03
Programming le robot (suite...)
Services dans ROS Traitement de l'information 3D des capteurs RGB-D avec PCL Cartes et navigation avec ROS Projet : Search pour les objets dans l'environnement Dépannage
Programming le robot (suite...)
-
ActionLib
Speech Recognition et Speech Generation
Contrôle de bras robotisés avec MoveIt !
Contrôle d'un cou robotisé pour une vision active
Projet : Recherche et collecte d'objets
Résolution des problèmes
Test du robot
-
Tests unitaires
  ;
-
Semaine 04
Extension des capacités d'un robot avec Deep Learning
Perception - vision, audio et haptique Représentation des connaissances Reconnaissance vocale grâce au NLP (traitement du langage naturel) Computer vision
Cours accéléré en Deep Learning
-
Artificiel Neural Networks (ANNs)
Artificielles Neural Networks vs. biologiques Neural Networks
Fonctions d'activation Neural Networks (Feedforward)
Fonctions d'activation
Formation Artificielle Neural Networks
Cours accéléré de Deep Learning (suite...)
-
Deep Learning Modèles
Réseaux convolutifs et réseaux récurrents
Convolutionnel Neural Networks (CNN ou ConvNets) Couche de convolution
-
Couche de mise en commun
Récurrent Neural Networks (RNN) Formation d'un RNN Stabilisation des gradients pendant la formation Réseaux de mémoire à long terme
Plateformes d'apprentissage profond et bibliothèques logicielles L'apprentissage profond dans ROS
Utilisation de Big Data dans votre robot
-
Concepts de big data
Approches de l'analyse des données
Les outils du Big Data
Reconnaître des modèles dans les données
Exercice : NLP et Computer Vision sur de grands ensembles de données
Donner un sens aux données sensorielles (boucle sens-plan-action)
-
Exercice : Capturer des données en continu
Programming un robot autonome d'apprentissage en profondeur
-
Deep Learning composants du robot
Configuration du simulateur de robot
Exécution d'un réseau neuronal accéléré par CUDA avec Cafe
Résolution des problèmes
Reconnaissance d'objets dans des photographies ou des flux vidéo Permettre la vision par ordinateur avec OpenCV Dépannage
-
Analyse des données
Utilisation du robot pour collecter et organiser de nouvelles données Outils et processus permettant d'interpréter les données
Déployer un robot
Transformation d'un robot simulé en matériel physique Déployer le robot dans le monde physique Surveillance et entretien des robots sur le terrain
-
Sécuriser votre robot
Empêcher les manipulations non autorisées Empêcher les pirates de consulter et de voler des données sensibles
-
Construire un robot en collaboration
Construire un robot dans le nuage Rejoindre la communauté des roboticiens
-
L'avenir Outlook des robots dans le domaine de la science et de l'énergie
Résumé et conclusion
Pré requis
- Expérience de la programmation en C ou C++ .
- Expérience de la programmation en Python (utile mais pas nécessaire ; peut être enseignée dans le cadre du cours)
- Expérience de la ligne de commande Linux
Audience
- Développeurs
- Ingénieurs
- Scientifiques
- Techniciens
Nos Clients témoignent (1)
Good conceptual explanations followed by good example exercises