Plan du cours
Fondamentaux du TinyML pour la robotique
- Capacités et contraintes clés du TinyML
- Rôle de l'IA au bord du réseau (edge AI) dans les systèmes autonomes
- Considérations matérielles pour les robots mobiles et les drones
Matériel embarqué et interfaces capteurs
- Microcontrôleurs et cartes embarquées pour la robotique
- Intégration de caméras, IMUs et capteurs de proximité
- Budget énergétique et de calcul
Ingénierie des données pour la perception robotique
- Collecte et étiquetage des données pour les tâches robotiques
- Techniques de prétraitement des signaux et des images
- Stratégies d'extraction de caractéristiques pour les appareils à ressources limitées
Développement et optimisation des modèles
- Sélection des architectures pour la perception, la détection et la classification
- Pipelines d'entraînement pour le ML embarqué
- Compression des modèles, quantification et optimisation de la latence
Perception et contrôle à bord de l'appareil
- Exécution de l'inférence sur microcontrôleurs
- Fusion des sorties TinyML avec les algorithmes de contrôle
- Sécurité et réactivité en temps réel
Améliorations de la navigation autonome
- Navigation par vision légère
- Détection et évitement des obstacles
- Prise de conscience de l'environnement sous contraintes de ressources
Test et validation des robots pilotés par TinyML
- Outils de simulation et approches de tests sur le terrain
- Métriques de performance pour l'autonomie embarquée
- Débogage et amélioration itérative
Intégration dans les plateformes robotiques
- Déploiement du TinyML dans des pipelines basés sur ROS
- Interface entre les modèles de ML et les moteurs de contrôle
- Préservation de la fiabilité face aux variations matérielles
Synthèse et prochaines étapes
Pré requis
- Une compréhension des architectures des systèmes robotiques
- De l'expérience en développement embarqué
- Une familiarité avec les concepts d'apprentissage automatique
Public visé
- Ingénieurs en robotique
- Chercheurs en IA
- Développeurs embarqués
Nos clients témoignent (2)
Fourniture des matériels (machine virtuelle) pour passer directement aux exercices, et explication des fondamentaux de ROS2. Comprendre pourquoi les choses fonctionnent d'une manière particulière.
Arjan Bakema
Formation - Autonomous Navigation & SLAM with ROS 2
Traduction automatique
ses connaissances et son utilisation de l'IA pour la robotique dans le futur.
Ryle - PHILIPPINE MILITARY ACADEMY
Formation - Artificial Intelligence (AI) for Robotics
Traduction automatique