Struttura del corso

Introduzione all'AI e alla Robotica

  • Panoramica sulla convergenza tra robotica moderna e AI
  • Applicazioni in sistemi autonomi, droni e robot di servizio
  • Componenti chiave dell'AI: percezione, pianificazione e controllo

Configurazione dell'Ambiente di Sviluppo

  • Installazione di Python, ROS 2, OpenCV e TensorFlow
  • Utilizzo di Gazebo o Webots per la simulazione robotica
  • Lavorare con Jupyter Notebooks per esperimenti di AI

Percezione e Visione Artificiale

  • Utilizzo di camere e sensori per la percezione
  • Classificazione di immagini, rilevazione di oggetti e segmentazione utilizzando TensorFlow
  • Rilevamento dei bordi e tracciamento dei contorni con OpenCV
  • Flusso e processing di immagini in tempo reale

Localizzazione e Fusione Sensoriale

  • Comprensione della robotica probabilistica
  • Filtri di Kalman e Filtri di Kalman Estesi (EKF)
  • Filtri di particelle per ambienti non lineari
  • Integrazione di dati LiDAR, GPS e IMU per la localizzazione

Pianificazione del Movimento e Pathfinding

  • Algoritmi di pianificazione del percorso: Dijkstra, A*, e RRT*
  • Evitamento di ostacoli e mappatura dell'ambiente
  • Controllo del movimento in tempo reale utilizzando PID
  • Ottimizzazione dinamica del percorso utilizzando AI

Apprendimento per Rinforzo per la Robotica

  • Fondamenti dell'apprendimento per rinforzo
  • Progettazione di comportamenti robotici basati su ricompense
  • Q-learning e Reti Neurali Profonde Q (DQN)
  • Integrazione di agenti di RL in ROS per il movimento adattivo

Simultaneous Localization and Mapping (SLAM)

  • Comprensione dei concetti e dei workflow SLAM
  • Implementazione di SLAM con pacchetti ROS (gmapping, hector_slam)
  • Visual SLAM utilizzando OpenVSLAM o ORB-SLAM2
  • Test di algoritmi SLAM in ambienti simulati

Argomenti Avanzati e Integrazione

  • Riconoscimento vocale e gestuale per l'interazione uomo-robot
  • Integrazione con piattaforme IoT e robotica cloud
  • Manutenzione predittiva basata su AI per i robot
  • Etica e sicurezza nella robotica abilitata da AI

Progetto di Capstone

  • Progettazione e simulazione di un robot mobile intelligente
  • Implementazione della navigazione, della percezione e del controllo del movimento
  • Dimostrazione di decisioni in tempo reale utilizzando modelli di AI

Riassunto e Passi Successivi

  • Rassegna delle tecniche chiave di AI per la robotica
  • Trends futuri nella robotica autonoma
  • Risorse per il continuo apprendimento

Requisiti

  • Esperienza di programmazione in Python o C++
  • Conoscenze di base in informatica e ingegneria
  • Familiarità con i concetti di probabilità, calcolo e algebra lineare

Pubblico di Riferimento

  • Ingegneri
  • Appassionati di robotica
  • Ricercatori in automazione e AI
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative