Ta kontakt

Kursplan

Grunnlaget for TinyML i robotikk

  • Kjernefunksjoner og begrensninger av TinyML
  • Rollen til edge KI i autonome systemer
  • Maskinvareoverveielser for mobile roboter og droner

Innebygd maskinvare og sensorkontakter

  • Mikrokontrollere og innebygde kort for robotikk
  • Integrasjon av kameraer, IMU-er og nærhetssensorer
  • Beregning av energi og beregningsbudsjett

Datainngjering for robotpersepsjon

  • Innsamling og etikettering av data for robotoppgaver
  • Metoder for forbehandling av signaler og bilder
  • Strategier for utvinning av trekk for begrensende enheter

Utvikling og optimering av modeller

  • Valg av arkitekturer for persepsjon, deteksjon og klassifisering
  • Treningrørledninger for innebygd ML
  • Modellempresse, kvantisering og latensoptimering

Persepsjon og styring på enheten

  • Kjører inferens på mikrokontrollere
  • Sammenslåing av TinyML-utganger med styringsalgoritmer
  • Sanntidsikkerhet og responsivitet

Forbedringer i autonom navigasjon

  • Lettskyet synsbasert navigasjon
  • Hinderdeteksjon og unngåelse
  • Miljøbevissthet under ressursbegrensninger

Testing og validering av TinyML-drevne roboter

  • Simuleringsverktøy og felttestmetoder
  • Ytelsesmetrikk for innebygd autonomi
  • Feilsøking og iterativ forbedring

Integrasjon i robotplattformer

  • Utplassering av TinyML innenfor ROS-baserte rørledninger
  • Kontaktering av ML-modeller med motorstyringer
  • Oppretholdelse av pålitelighet tvers gjennom maskinvarevariasjoner

Oppsummering og neste steg

Krav

  • En forståelse av robotstyresystemers arkitektur
  • Erfaring med innebygd utvikling
  • Kjennskap til maskinlæringskonsepter

Målgruppe

  • Robotikkingeniører
  • KI-forskere
  • Innebyggingutviklere
 21 Timer

Antall deltakere


Pris per deltaker

Referanser (2)

Kommende kurs

Relaterte kategorier