Bizi tercih ettiğiniz için teşekkür ederiz. Ekip üyelerimiz en kısa sürede sizlerle iletişime geçecektir.
Rezervasyonunuzu gönderdiğiniz için teşekkür ederiz! Ekibimizden bir yetkili kısa süre içinde sizinle iletişime geçecektir.
Eğitim İçeriği
Robotik Manipülasyon ve Derin Öğrenmeye Giriş
- Manipülasyon görevleri ve sistem bileşenlerinin genel görünümü
- Geleneksel yaklaşımlar ile öğrenme tabanlı yaklaşımlar
- Algı, planlama ve kontrolde derin öğrenme
Manipülasyon İçin Algı
- Kavrama için görsel algılama ve nesne algılama
- 3B görüş, derinlik algılama ve nokta bulutu işleme
- Nesne konumlandırma ve segmentasyon için CNN'leri eğitme
Kavrama Planlaması ve Algılama
- Klasik kavrama planlama algoritmaları
- Veri ve simülasyondan kavrama duruşlarını öğrenme
- Kavrama algılama ağlarının uygulanması (ör. GGCNN, Dex-Net)
Kontrol ve Hareket Planlaması
- Ters kinematik ve yörünge üretimi
- Öğrenme tabanlı hareket planlaması ve taklit öğrenmesi
- Manipülasyon kontrol politikaları için pekiştirmeli öğrenme
ROS 2 ve Simülasyon Ortamlarıyla Entegrasyon
- Algı ve kontrol için ROS 2 düğümlerinin kurulumu
- Gazebo ve Isaac Sim'de robotik manipülatörlerin simülasyonu
- Gerçek zamanlı kontrol için sinirsel modellerin entegrasyonu
Manipülasyon İçin Uçtan Uca Öğrenme
- Algı, politika ve kontrolün birleştirilmiş ağlarda birleştirilmesi
- Gözetimli politika öğrenmesi için gösterim verilerinin kullanılması
- Simülasyon ile gerçek donanım arasında alan uyarlama
Değerlendirme ve Optimizasyon
- Kavrama başarı, stabilite ve hassasiyet için metrikler
- Değişen koşullar ve bozulmalar altında test etme
- Kenar cihazlarda model sıkıştırma ve dağıtım
Pratik Proje: Derin Öğrenme Tabanlı Robotik Kavrama
- Bir algıdan eyleme hattının tasarlanması
- Bir kavrama algılama modelinin eğitilmesi ve test edilmesi
- Modelin simüle edilmiş bir robotik kola entegre edilmesi
Kurs İçin Gerekli Önbilgiler
- Robotik kinematiği ve dinamiğine dair güçlü bir anlayış
- Python ve derin öğrenme framework'leriyle deneyim
- ROS veya benzeri robotik middleware ile aşinalık
Hedef Kitle
- Akıllı manipülasyon sistemleri geliştiren robotik mühendisleri
- Kavrama uygulamaları üzerinde çalışan algı ve kontrol uzmanları
- Robot öğrenmesi ve yapay zeka tabanlı kontrol alanındaki araştırmacılar ve ileri düzey uygulayıcılar
28 Saatler
Danışanlarımızın Yorumları (2)
Alıştırmalara doğrudan başlayabilmek için gerekli malzemelerin (sanal makine) temini ve ROS2'nin çekirdek yapısının açıklanması. Nedenlerin belirli bir şekilde işlediğinin anlaşılması.
Arjan Bakema
Eğitim - Autonomous Navigation & SLAM with ROS 2
Yapay Zeka Çevirisi
bilgi ve yapay zeka'nın gelecekte robotik için kullanılması.
Ryle - PHILIPPINE MILITARY ACADEMY
Eğitim - Artificial Intelligence (AI) for Robotics
Yapay Zeka Çevirisi