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 robots dans les installations nucléaires Détection et protection contre les rayonnements
  • Robots dans les Reactors nucléaires Détection et protection contre les rayonnements
  • Composants matériels d'un robot
  • Moteurs, capteurs, microcontrôleurs, caméras, etc.
  • 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
    Architecture convolutive Neural Networks
  •   ;
  • Semaine 05
  • Cours accéléré de Deep Learning (suite...)
  • 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
    Utilisation de Big Data dans votre robot (suite...)
  • Traitement distribué de grands ensembles de données Coexistence et fertilisation croisée des Big Data et des Robotics. Le robot comme générateur de données Capteurs de mesure de la portée, capteurs de position, visuels, tactiles et autres modalités.
  • 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
      ;
  • Semaine 06
  • Programming un robot autonome à apprentissage profond (suite...)
  • 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
     120 heures

    Nombre de participants



    Prix par participant

    Nos Clients témoignent (1)

    Cours Similaires

    Smart Robots for Developers

    84 heures

    Catégories Similaires