Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la Manipulación Robótica y al Aprendizaje Profundo
- Resumen de las tareas de manipulación y componentes del sistema
- Enfoques tradicionales vs. basados en aprendizaje
- Aprendizaje profundo en percepción, planificación y control
Percepción para la Manipulación
- Sensado visual y detección de objetos para el agarrado
- Visión 3D, sensores de profundidad y procesamiento de nubes de puntos
- Entrenamiento de CNNs para la localización y segmentación de objetos
Planificación y Detección de Agarre
- Algoritmos clásicos de planificación de agarres
- Aprendizaje de poses de agarre a partir de datos y simulación
- Implementación de redes de detección de agarres (p. ej., GGCNN, Dex-Net)
Control y Planificación de Movimientos
- Cinemática inversa y generación de trayectorias
- Planificación de movimientos basada en aprendizaje y aprendizaje por imitación
- Aprendizaje por refuerzo para políticas de control de manipulación
Integración con ROS 2 y Entornos de Simulación
- Configuración de nodos de ROS 2 para percepción y control
- Simulación de manipuladores robóticos en Gazebo y Isaac Sim
- Integración de modelos neuronales para control en tiempo real
Aprendizaje de Extremo a Extremo para la Manipulación
- Combinación de percepción, política y control en redes unificadas
- Uso de datos de demostración para el aprendizaje supervisado de políticas
- Adaptación de dominio entre simulación y hardware real
Evaluación y Optimización
- Métricas para éxito, estabilidad y precisión del agarrado
- Pruebas bajo condiciones y perturbaciones variables
- Compresión de modelos y despliegue en dispositivos de borde
Práctica Manual: Agarre Robótico Basado en Aprendizaje Profundo
- Diseño de una línea de proceso de percepción a acción
- Entrenamiento y pruebas de un modelo de detección de agarres
- Integración del modelo en un brazo robótico simulado
Requerimientos
- Sólido conocimiento de la cinemática y dinámica robótica
- Experiencia con Python y marcos de aprendizaje profundo
- Familiaridad con ROS o un middleware robótico similar
Público Objetivo
- Ingenieros robóticos que desarrollan sistemas de manipulación inteligente
- Especialistas en percepción y control que trabajan en aplicaciones de agarrado
- Investigadores y profesionales avanzados en aprendizaje robótico y control basado en IA
28 Horas
Reseñas (2)
Suministro de los materiales (máquina virtual) para comenzar directamente con los ejercicios y explicación del núcleo de ROS2. Por qué las cosas funcionan de cierta manera.
Arjan Bakema
Curso - Autonomous Navigation & SLAM with ROS 2
Traducción Automática
su conocimiento y utilización de la IA para la robótica en el futuro.
Ryle - PHILIPPINE MILITARY ACADEMY
Curso - Artificial Intelligence (AI) for Robotics
Traducción Automática
