Formation L'IA physique centrée sur l'humain : Robots collaboratifs et au-delà

L'intelligence artificielle (IA) appliquée à la robotique combine l'apprentissage automatique, les systèmes de contrôle et la fusion de capteurs pour créer des machines intelligentes capables de percevoir, raisonner et agir de manière autonome. Grâce à des outils modernes tels que ROS 2, TensorFlow et OpenCV, les ingénieurs peuvent désormais concevoir des robots qui naviguent, planifient et interagissent avec des environnements réels de manière intelligente.

Cette formation en présentiel ou à distance, animée par un instructeur, s'adresse aux ingénieurs de niveau intermédiaire souhaitant développer, former et déployer des systèmes robotiques propulsés par l'IA en utilisant des technologies et des frameworks open-source actuels.

À l'issue de cette formation, les participants seront capables de :

• Utiliser Python et ROS 2 pour construire et simuler des comportements robotiques.
• Mettre en œuvre des filtres de Kalman et des filtres particulaires pour la localisation et le suivi.
• Appliquer des techniques de vision par ordinateur avec OpenCV pour la perception et la détection d'objets.
• Utiliser TensorFlow pour la prédiction du mouvement et le contrôle basé sur l'apprentissage.
• Intégrer le SLAM (Simultaneous Localization and Mapping) pour la navigation autonome.
• Développer des modèles d'apprentissage par renforcement pour améliorer la prise de décision robotique.

Format du cours

• Conférence interactive et discussion.
• Mise en pratique avec ROS 2 et Python.
• Exercices pratiques avec des environnements robotiques simulés et réels.

Options de personnalisation du cours

Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour en convenir.

ROS 2 (Robot Operating System 2) est un framework open source conçu pour soutenir le développement d'applications robotiques complexes et évolutives.

Cette formation en présentiel ou en ligne, animée par un formateur, s'adresse aux ingénieurs et développeurs roboticiens de niveau intermédiaire souhaitant mettre en œuvre la navigation autonome et le SLAM (Simultaneous Localization and Mapping) à l'aide de ROS 2.

À l'issue de cette formation, les participants seront capables de :

• Installer et configurer ROS 2 pour des applications de navigation autonome.
• Mettre en œuvre des algorithmes SLAM pour la cartographie et la localisation.
• Intégrer des capteurs tels que des lidars et des caméras avec ROS 2.
• Simuler et tester la navigation autonome dans Gazebo.
• Déployer des stacks de navigation sur des robots physiques.

Format du cours

• Conférence interactive et discussions.
• Pratique avec les outils ROS 2 et les environnements de simulation.
• Mise en œuvre et test en laboratoire sur des robots virtuels ou physiques.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.

OpenCV est une bibliothèque de vision par ordinateur open-source qui permet le traitement d'images en temps réel, tandis que les frameworks de deep learning tels que TensorFlow fournissent les outils nécessaires à la perception intelligente et à la prise de décision dans les systèmes robotiques.

Ce formation animée par un instructeur (en ligne ou sur site) s'adresse aux ingénieurs en robotique de niveau intermédiaire, aux spécialistes de la vision par ordinateur et aux ingénieurs en apprentissage automatique souhaitant appliquer des techniques de vision par ordinateur et de deep learning pour la perception et l'autonomie robotiques.

À l'issue de cette formation, les participants seront capables de :

• Mettre en œuvre des pipelines de vision par ordinateur à l'aide d'OpenCV.
• Intégrer des modèles de deep learning pour la détection et la reconnaissance d'objets.
• Utiliser les données visuelles pour le contrôle et la navigation des robots.
• Combiner des algorithmes de vision classique avec des réseaux neuronaux profonds.
• Déployer des systèmes de vision par ordinateur sur des plateformes embarquées et robotiques.

Format de la formation

• Cours interactif et discussions.
• Pratique manuelle avec OpenCV et TensorFlow.
• Mise en œuvre en laboratoire en direct sur des systèmes robotiques simulés ou physiques.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Un bot ou chatbot est un assistant informatique utilisé pour automatiser les interactions des utilisateurs sur diverses plateformes de messagerie, permettant de réaliser des tâches plus rapidement sans qu’il soit nécessaire de parler à un autre humain.

Lors de cette formation animée par un instructeur, les participants apprendront à démarrer le développement de bots en créant pas à pas des chatbots d’exemple à l’aide d’outils et de frameworks de développement de bots.

À l’issue de cette formation, les participants seront capables de :

• Comprendre les différentes utilisations et applications des bots
• Maîtriser l’ensemble du processus de développement de bots
• Explorer les différents outils et plateformes utilisés pour concevoir des bots
• Construire un chatbot d’exemple pour Facebook Messenger
• Construire un chatbot d’exemple à l’aide de Microsoft Bot Framework

Public

• Développeurs souhaitant créer leur propre bot

Format de la formation

• Alternance de cours théoriques, discussions, exercices et exercices pratiques intensifs

L'Edge AI permet d'exécuter des modèles d'intelligence artificielle directement sur des appareils intégrés ou à ressources limitées, réduisant la latence et la consommation d'énergie tout en augmentant l'autonomie et la confidentialité des systèmes robotiques.

Cette formation en présentiel (en ligne ou sur site) est destinée aux développeurs embarqués et aux ingénieurs en robotique de niveau intermédiaire qui souhaitent mettre en œuvre des techniques d'inférence et d'optimisation d'apprentissage automatique directement sur le matériel robotique en utilisant TinyML et des frameworks d'Edge AI.

À la fin de cette formation, les participants seront capables de :

• Comprendre les fondamentaux de TinyML et de l'Edge AI pour la robotique.
• Convertir et déployer des modèles d'IA pour une inférence sur appareil.
• Optimiser les modèles pour la vitesse, la taille et l'efficacité énergétique.
• Intégrer des systèmes d'Edge AI dans les architectures de contrôle robotique.
• Évaluer les performances et la précision dans des scénarios réels.

Format de la formation

• Cours interactif et discussions.
• Pratique sur le terrain avec des chaînes d'outils TinyML et Edge AI.
• Exercices pratiques sur des plateformes matérielles embarquées et robotiques.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Interaction Homme-Robot (HRI) : Voix, Gestes et Contrôle Collaboratif est un cours pratique conçu pour initier les participants à la conception et à la mise en œuvre d'interfaces intuitives pour la communication homme-robot. Cette formation combine théorie, principes de conception et pratique de programmation pour construire des systèmes d'interaction naturels et réactifs en utilisant la parole, les gestes et des techniques de contrôle partagé. Les participants apprendront à intégrer des modules de perception, à développer des systèmes d'entrée multimodaux et à concevoir des robots capables de collaborer en toute sécurité avec des humains.

Cette formation en présentiel ou en ligne, animée par un instructeur, s'adresse aux participants de niveau débutant à intermédiaire souhaitant concevoir et mettre en œuvre des systèmes d'interaction homme-robot améliorant l'utilisabilité, la sécurité et l'expérience utilisateur.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre les fondements et les principes de conception de l'interaction homme-robot.
• Développer des mécanismes de contrôle et de réponse basés sur la voix pour les robots.
• Mettre en œuvre la reconnaissance de gestes à l'aide de techniques de vision par ordinateur.
• Concevoir des systèmes de contrôle collaboratif pour une autonomie partagée et sûre.
• Évaluer les systèmes HRI en fonction de l'utilisabilité, de la sécurité et des facteurs humains.

Format du cours

• Conférences interactives et démonstrations.
• Exercices de codage et de conception pratiques.
• Expérimentations pratiques dans des environnements robotiques simulés ou réels.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

L'automatisation robotique industrielle : Intégration ROS-PLC et jumeaux numériques est un cours pratique axé sur l'articulation entre l'automatisation industrielle et les frameworks modernes de robotique. Les participants apprendront à intégrer des systèmes robotiques basés sur ROS avec des automates programmables (PLC) pour des opérations synchronisées et exploreront des environnements de jumeaux numériques afin de simuler, surveiller et optimiser les processus de production. Le cours met l'accent sur l'interopérabilité, le contrôle en temps réel et l'analyse prédictive en utilisant des répliques numériques de systèmes physiques.

Cette formation en direct, encadrée par un formateur (en ligne ou sur site), s'adresse aux professionnels de niveau intermédiaire souhaitant acquérir des compétences pratiques dans la connexion de robots contrôlés par ROS à des environnements PLC et la mise en œuvre de jumeaux numériques pour l'optimisation de l'automatisation et de la fabrication.

À l'issue de cette formation, les participants seront capables de :

• Comprendre les protocoles de communication entre les systèmes ROS et PLC.
• Mettre en œuvre un échange de données en temps réel entre les robots et les contrôleurs industriels.
• Développer des jumeaux numériques pour la surveillance, les tests et la simulation de processus.
• Intégrer des capteurs, des actionneurs et des manipulateurs robotiques dans les flux de travail industriels.
• Concevoir et valider des systèmes d'automatisation industrielle à l'aide d'environnements de simulation hybrides.

Format du cours

• Conférences interactives et analyses architecturales.
• Exercices pratiques d'intégration des systèmes ROS et PLC.
• Mise en œuvre de projets de simulation et de jumeaux numériques.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour convenir des détails.

Cette formation en direct, animée par un instructeur à Belgique (en ligne ou sur site), s'adresse aux ingénieurs souhaitant découvrir l'applicabilité de l'intelligence artificielle aux systèmes mécatroniques.

À l'issue de cette formation, les participants seront en mesure de :

• Obtenir une vue d'ensemble de l'intelligence artificielle, de l'apprentissage automatique et de l'intelligence computationnelle.
• Comprendre les concepts des réseaux de neurones et les différentes méthodes d'apprentissage.
• Choisir efficacement les approches d'intelligence artificielle pour résoudre des problèmes concrets.
• Mettre en œuvre des applications d'IA dans le domaine de l'ingénierie mécatronique.

La formation avancée Systèmes Multi-Robots et Intelligence en Essaim explore la conception, la coordination et le contrôle d'équipes de robots inspirées des comportements d'essaims biologiques. Les participants apprendront à modéliser les interactions, à mettre en œuvre une prise de décision distribuée et à optimiser la collaboration entre plusieurs agents. Ce cours associe théorie et simulations pratiques pour préparer les apprenants à des applications dans la logistique, la défense, la recherche et le sauvetage, ainsi que l'exploration autonome.

Cette formation dirigée par un instructeur, disponible en ligne ou en présentiel, s'adresse aux professionnels de niveau avancé souhaitant concevoir, simuler et mettre en œuvre des systèmes multi-robots et basés sur l'intelligence en essaim à l'aide de cadres et d'algorithmes open-source.

À l'issue de cette formation, les participants seront capables de :

• Comprendre les principes et la dynamique de l'intelligence en essaim et de la robotique coopérative.
• Concevoir des stratégies de communication et de coordination pour les systèmes multi-robots.
• Implémenter des algorithmes de prise de décision distribuée et de consensus.
• Simuler des comportements collectifs tels que le contrôle de formation, le flocking et la couverture.
• Appliquer les techniques basées sur les essaims à des scénarios réels et à des problèmes d'optimisation.

Format du cours

• Cours avancés avec des approfondissements algorithmiques.
• Pratique de la programmation et de la simulation dans ROS 2 et Gazebo.
• Projet collaboratif appliquant les principes de l'intelligence en essaim.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Cette formation en présentiel ou à distance, animée par un instructeur, est destinée aux ingénieurs roboticiens et chercheurs en IA de niveau avancé qui souhaitent utiliser l'IA multimodale pour intégrer différentes données sensorielles afin de créer des robots plus autonomes et efficaces capables de voir, entendre et toucher.

À l'issue de cette formation, les participants seront capables de :

• Mettre en œuvre une perception multimodale dans les systèmes robotiques.
• Développer des algorithmes d'IA pour la fusion de capteurs et la prise de décision.
• Concevoir des robots capables d'exécuter des tâches complexes dans des environnements dynamiques.
• Résoudre les défis liés au traitement des données en temps réel et à l'actionnement.

Cette formation en présentiel, dispensée par un formateur à Belgique (en ligne ou en classe), s'adresse aux participants de niveau intermédiaire qui souhaitent renforcer leurs compétences dans la conception, la programmation et le déploiement de systèmes robotiques intelligents pour l'automatisation et au-delà.

À l'issue de cette formation, les participants seront capables de :

• Comprendre les principes du Physical AI et ses applications en robotique et automatisation.
• Concevoir et programmer des systèmes robotiques intelligents pour des environnements dynamiques.
• Implémenter des modèles d'IA pour la prise de décision autonome des robots.
• Exploiter des outils de simulation pour les tests et l'optimisation robotiques.
• Aborder des défis tels que la fusion de capteurs, le traitement en temps réel et l'efficacité énergétique.

Prototypage rapide pratique pour la robotique avec ROS 2 & Docker est un cours pratique conçu pour aider les développeurs à construire, tester et déployer des applications robotiques efficacement. Les participants apprendront comment conteneuriser des environnements robotiques, intégrer des packages ROS 2 et prototyper des systèmes robotiques modulaires en utilisant Docker pour la reproductibilité et l'évolutivité. Le cours met l'accent sur l'agilité, le contrôle de version et les pratiques de collaboration adaptées aux équipes de développement et d'innovation en phase initiale.

Cette formation animée par un instructeur (en ligne ou sur site) s'adresse aux participants de niveau débutant à intermédiaire qui souhaitent accélérer les flux de développement de la robotique en utilisant ROS 2 et Docker.

À l'issue de cette formation, les participants seront capables de :

• Configurer un environnement de développement ROS 2 dans des conteneurs Docker.
• Développer et tester des prototypes robotiques dans des configurations modulaires et reproductibles.
• Utiliser des outils de simulation pour valider le comportement du système avant le déploiement matériel.
• Collaborer efficacement via des projets robotiques conteneurisés.
• Appliquer les concepts d'intégration et de déploiement continus dans les pipelines robotiques.

Format du cours

• Conférences interactives et démonstrations.
• Exercices pratiques avec des environnements ROS 2 et Docker.
• Mini-projets axés sur des applications robotiques du monde réel.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de l'organiser.

L'apprentissage par renforcement (RL) est un paradigme d'apprentissage automatique où des agents apprennent à prendre des décisions en interagissant avec un environnement. En robotique, le RL permet aux systèmes autonomes de développer des capacités de contrôle et de prise de décision adaptatives grâce à l'expérience et aux retours d'information.

Ce cours dirigé par un formateur (en ligne ou sur site) s'adresse aux ingénieurs en apprentissage automatique avancés, aux chercheurs en robotique et aux développeurs souhaitant concevoir, mettre en œuvre et déployer des algorithmes d'apprentissage par renforcement dans des applications robotiques.

À l'issue de cette formation, les participants seront capables de :

• Comprendre les principes et les mathématiques sous-jacents à l'apprentissage par renforcement.
• Mettre en œuvre des algorithmes de RL tels que Q-learning, DDPG et PPO.
• Intégrer le RL dans des environnements de simulation robotique en utilisant OpenAI Gym et ROS 2.
• Entraîner des robots à exécuter des tâches complexes de manière autonome, par essais et erreurs.
• Optimiser les performances de l'entraînement à l'aide de cadres d'apprentissage profond tels que PyTorch.

Format du Cours

• Cours interactif et discussions.
• Mise en œuvre pratique en utilisant Python, PyTorch et OpenAI Gym.
• Exercices pratiques dans des environnements robotiques simulés ou physiques.

Options de Personnalisation du Cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Le cours « Manipulation et préhension de robots par apprentissage profond » est une formation avancée qui relie le contrôle robotique aux techniques modernes d'apprentissage automatique. Les participants exploreront comment l'apprentissage profond peut améliorer la perception, la planification du mouvement et la préhension délicate des systèmes robotiques. À travers des cours théoriques, des simulations et des exercices de programmation pratiques, le cours guide les apprenants du contrôle basé sur la perception jusqu'à l'apprentissage de politiques de bout en bout pour des tâches de manipulation.

Cette formation en direct, encadrée par un formateur (en ligne ou en présentiel), s'adresse aux professionnels de niveau avancé souhaitant appliquer des méthodes d'apprentissage profond pour permettre une manipulation robotique intelligente, adaptable et précise.

À l'issue de cette formation, les participants seront capables de :

• Développer des modèles de perception pour la reconnaissance d'objets et l'estimation de la posture.
• Former des réseaux de neurones pour la détection des préhensions et la planification du mouvement.
• Intégrer des modules d'apprentissage profond avec des contrôleurs robotiques en utilisant ROS 2.
• Simuler et évaluer des stratégies de préhension et de manipulation dans des environnements virtuels.
• Déployer et optimiser les modèles appris sur des bras robotiques réels ou simulés.

Format du cours

• Cours magistral animé par des experts et plongées approfondies dans les algorithmes.
• Exercices pratiques de codage et de simulation.
• Mise en œuvre et tests basés sur des projets.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

La robotique intelligente consiste à intégrer l'intelligence artificielle dans les systèmes robotiques afin d'améliorer la perception, la prise de décision et le contrôle autonome.

Cette formation en présentiel ou en ligne, encadrée par un formateur, s'adresse aux ingénieurs roboticiens avancés, aux intégrateurs de systèmes et aux responsables de l'automation souhaitant mettre en œuvre une perception, une planification et un contrôle pilotés par l'IA dans des environnements de fabrication intelligente.

À l'issue de cette formation, les participants seront capables de :

• Comprendre et appliquer les techniques d'IA pour la perception robotique et la fusion de capteurs.
• Développer des algorithmes de planification de trajectoire pour les robots collaboratifs et industriels.
• Déployer des stratégies de contrôle basées sur l'apprentissage pour la prise de décision en temps réel.
• Intégrer des systèmes robotiques intelligents dans les flux de travail d'une usine intelligente.

Format de la formation

• Conférences interactives et discussions.
• De nombreux exercices et mises en pratique.
• Implémentation pratique dans un environnement de laboratoire virtuel.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.