感謝您提交詢問！我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂！我們的一位團隊成員將在短時間內與您聯繫。
課程簡介
人工智慧與機械人技術簡介
- 現代機械人技術與人工智慧融合的概覽
- 應用於自主系統、無人機及服務型機械人
- 關鍵 AI 組件：感知、規劃及控制
設定開發環境
- 安裝 Python、ROS 2、OpenCV 及 TensorFlow
- 使用 Gazebo 或 Webots 進行機械人模擬
- 使用 Jupyter Notebooks 進行 AI 實驗
感知與計算機視覺
- 使用相機及傳感器進行感知
- 使用 TensorFlow 進行圖像分類、物體偵測及分割
- 使用 OpenCV 進行邊緣偵測及輪廓追蹤
- 即時影像串流及處理
定位與傳感器融合
- 理解機率機械人技術
- 卡爾曼濾波及擴展卡爾曼濾波（EKF）
- 用於非線性環境的粒子濾波器
- 整合 LiDAR、GPS 及 IMU 數據以進行定位
運動規劃與路徑尋找
- 路徑規劃演算法：Dijkstra、A* 及 RRT*
- 障礙物避讓及環境建圖
- 使用 PID 進行即時運動控制
- 使用 AI 進行動態路徑優化
機械人的強化學習
- 強化學習基礎
- 設計基於獎勵的機械人行為
- Q-學習及深度 Q 網絡（DQN）
- 在 ROS 中整合 RL 智能體以實現適應性運動
即時定位與建圖（SLAM）
- 理解 SLAM 概念及工作流程
- 使用 ROS 套件（gmapping, hector_slam）實施 SLAM
- 使用 OpenVSLAM 或 ORB-SLAM2 進行視覺 SLAM
- 在模擬環境中測試 SLAM 演算法
進階主題與整合
- 用於人機互動的語音及手勢識別
- 與 IoT 及雲端機械人平台整合
- AI 驅動的機械人預測性維護
- 賦能 AI 的機械人的倫理及安全
綜合項目
- 設計及模擬智能移動機械人
- 實施導航、感知及運動控制
- 使用 AI 模型展示即時決策能力
總結與後續步驟
- 回顧 AI 機械人關鍵技術
- 自主機械人的未來趨勢
- 持續學習的資源
最低要求
- 具備 Python 或 C++ 程式設計經驗
- 對電腦科學及工程有基本了解
- 熟悉概率概念、微積分及線性代數
對象
- 工程師
- 機械人愛好者
- 自動化及 AI 領域的研究人員
21 小時
客戶評論 (1)
其未來在Robotics中利用AI的知識和應用。
Ryle - PHILIPPINE MILITARY ACADEMY
課程 - Artificial Intelligence (AI) for Robotics
機器翻譯
