Kontaktirajte nas
 Trajanje 21 sati

Sadržaj kursa

Temelji TinyML-a za robotiku

  • Ključne mogućnosti i ograničenja TinyML-a
  • Uloga AI na ivici (Edge AI) u autonomnim sistemima
  • Hardverska razmatranja za mobilne robote i dronove

Ugrađeni hardver i senzorika

  • Mikrokontroleri i ugrađene ploče za robotiku
  • Integracija kamera, IMU-a i senzora blizine
  • Budžetiranje energije i izračunavanja

Inženjering podataka za robotsku percepciju

  • Prikupljanje i označavanje podataka za robotske zadatke
  • Tehnike prethodne obrade signala i slika
  • Strategije ekstrakcije karakteristika za ograničene uređaje

Разvoj i optimizacija modela

  • Izbor arhitektura za percepciju, detekciju i klasifikaciju
  • Postupci obuke za ugrađeno mašinsko učenje
  • Kompresija modela, kvantizacija i optimizacija latencije

Percepcija i kontrola na uređaju

  • Pokretanje inferencije na mikrokontrolerima
  • Fuzija izlaza TinyML-a sa algoritmima kontrole
  • Bezbednost i reaktivnost u realnom vremenu

Poboljšanja autonomne navigacije

  • Laka navigacija zasnovana na viziji
  • Detekcija i izbegavanje prepreka
  • Svesnost o okruženju pod ograničenim resursima

Testiranje i validacija TinyML pokretnih robotova

  • Simulacioni alati i pristupi poljnom testiranju
  • Metrike performansi za ugrađenu autonomiju
  • Otkrivanje grešaka i iterativno poboljšanje

Integracija u robotske platforme

  • Implementacija TinyML-a unutar ROS zasnovanih pipelinea
  • Interfejsiranje AI modelova sa kontrolerima motora
  • Održavanje pouzdanosti kroz hardverske varijacije

Zaključak i naredni koraci

Uslovi

  • Razumevanje arhitektura robotskih sistema
  • Izgradnja u razvoju ugrađenih sistema
  • Znajstvo sa konceptima mašinskog učenja

Publika

  • Inženjeri robotike
  • Istraživači veštačke inteligencije
  • Razvojni programeri ugrađenih sistema

Broj učesnika


Cena po učesniku

Iskustva korisnika (2)

Predstojeći kursevi

Povezane kategorije