Kontakt aufnehmen

Schulungsübersicht

Einführung in KI und Robotik

  • Überblick über die Konvergenz moderner Robotik und KI
  • Anwendungen in autonomen Systemen, Drohnen und Servicerobotern
  • Wichtige KI-Komponenten: Wahrnehmung, Planung und Steuerung

Einrichtung der Entwicklungsumgebung

  • Installation von Python, ROS 2, OpenCV und TensorFlow
  • Verwendung von Gazebo oder Webots für Robotik-Simulation
  • Arbeit mit Jupyter Notebooks für KI-Experimente

Wahrnehmung und Computervision

  • Verwendung von Kameras und Sensoren für die Wahrnehmung
  • Bildklassifizierung, Objekterkennung und Segmentierung mit TensorFlow
  • Kantendetektion und Konturverfolgung mit OpenCV
  • Echtzeit-Image-Streaming und -Verarbeitung

Lokalisierung und Sensorfusion

  • Verständnis der probabilistischen Robotik
  • Kalman-Filter und erweiterter Kalman-Filter (EKF)
  • Partikelfilter für nichtlineare Umgebungen
  • Integration von LiDAR-, GPS- und IMU-Daten für die Lokalisierung

Bewegungsplanung und Pfadsuche

  • Pfadplanungsalgorithmen: Dijkstra, A* und RRT*
  • Kollisionsvermeidung und Kartographie der Umgebung
  • Echtzeit-Bewegungssteuerung mittels PID
  • Dynamische Pfadoptimierung mit KI

Reinforcement Learning für Robotik

  • Grundlagen des Reinforcement Learning
  • Gestaltung von belohnungsbasierten robotertechnischen Verhaltensweisen
  • Q-Learning und Deep Q-Networks (DQN)
  • Integration von RL-Agenten in ROS für adaptive Bewegung

Simultaneous Localization and Mapping (SLAM)

  • Verständnis der SLAM-Konzepte und Workflows
  • Implementierung von SLAM mit ROS-Paketen (gmapping, hector_slam)
  • Visuelles SLAM mit OpenVSLAM oder ORB-SLAM2
  • Testen von SLAM-Algorithmen in simulierten Umgebungen

Fortgeschrittene Themen und Integration

  • Spracherkennung und Gestenerkennung für die Mensch-Roboter-Interaktion
  • Integration mit IoT- und Cloud-Robotik-Plattformen
  • KI-gestützte vorausschauende Wartung für Roboter
  • Ethik und Sicherheit in der KI-basierten Robotik

Capstone-Projekt

  • Konzeption und Simulation eines intelligenten mobilen Roboters
  • Implementierung von Navigation, Wahrnehmung und Bewegungssteuerung
  • Demonstration der Echtzeit-Entscheidungsfindung mittels KI-Modellen

Zusammenfassung und weitere Schritte

  • Überprüfung der wichtigsten KI-Techniken in der Robotik
  • Zukunftstrends in der autonomen Robotik
  • Ressourcen für kontinuierliches Lernen

Voraussetzungen

  • Programmiererfahrung in Python oder C++
  • Grundlegendes Verständnis von Informatik und Ingenieurwesen
  • Vertrautheit mit Wahrscheinlichkeitskonzepten, Analysis und Lineare Algebra

Zielgruppe

  • Ingenieure
  • Robotik-Enthusiasten
  • Forscher im Bereich Automatisierung und KI
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien