Corso di formazione Multimodal AI in Robotics

L'Intelligenza Artificiale (AI) per la Robotica combina apprendimento automatico, sistemi di controllo e fusione sensoriale per creare macchine intelligenti in grado di percepire, ragionare e agire autonomamente. Attraverso strumenti moderni come ROS 2, TensorFlow e OpenCV, gli ingegneri possono ora progettare robot che navigano, pianificano e interagiscono con ambienti reali in modo intelligente.

Questo training guidato dall'instruttore (online o in loco) è rivolto a ingegneri di livello intermedio che desiderano sviluppare, addestrare e distribuire sistemi robotici basati s'intelligenza artificiale utilizzando tecnologie e framework open-source attuali.

Al termine di questo training, i partecipanti saranno in grado di:

• Utilizzare Python e ROS 2 per costruire e simulare comportamenti robotici.
• Implementare filtri Kalman e Particle Filters per la localizzazione e il tracciamento.
• Applicare tecniche di visione artificiale utilizzando OpenCV per la percezione e la rilevazione degli oggetti.
• Utilizzare TensorFlow per la previsione del movimento e il controllo basato s'apprendimento.
• Integrare SLAM (Simultaneous Localization and Mapping) per la navigazione autonoma.
• Sviluppare modelli di apprendimento rinforzato per migliorare le decisioni dei robot.

Formato del Corso

• Lezione interattiva e discussione.
• Implementazione pratica utilizzando ROS 2 e Python.
• Esercizi pratici con ambienti robotici simulati e reali.

Opzioni di Personalizzazione del Corso

Per richiedere un training personalizzato per questo corso, si prega di contattarci per organizzarlo.

In questo corso guidato dal formatore (online o sul posto), i partecipanti impareranno le diverse tecnologie, framework e tecniche per programmare diversi tipi di robot da utilizzare nel campo della tecnologia nucleare e dei sistemi ambientali.

Il corso durante 6 settimane si svolge dal lunedì al venerdì. Ogni giorno dura 4 ore ed è composto da lezioni, discussioni e sviluppo di robot in un ambiente di laboratorio live. I partecipanti completeranno vari progetti reali applicabili al loro lavoro per praticare la conoscenza acquisita.

Il hardware obiettivo del corso sarà simulato in 3D attraverso software di simulazione. Si utilizzerà il framework open-source ROS (Robot Operating System), C++ e Python per programmare i robot.

Al termine di questo addestramento, i partecipanti saranno in grado di:

• Comprendere i concetti chiave utilizzati nelle tecnologie robotiche.
• Comprendere e gestire l'interazione tra software e hardware in un sistema robotico.
• Comprendere ed implementare i componenti software che sottostanno alla robotica.
• Costruire e operare un robot meccanico simulato che possa vedere, percepire, elaborare, navigare e interagire con gli esseri umani attraverso la voce.
• Comprendere gli elementi necessari dell'intelligenza artificiale (apprendimento automatico, apprendimento profondo, ecc.) applicabili alla costruzione di un robot intelligente.
• Implementare filtri (Kalman e Particle) per consentire al robot di localizzare oggetti in movimento nel suo ambiente.
• Implementare algoritmi di ricerca e pianificazione del movimento.
• Implementare controlli PID per regolare il movimento di un robot all'interno di un ambiente.
• Implementare algoritmi SLAM (Simultaneous Localization And Mapping) per consentire a un robot di mappare un ambiente sconosciuto.
• Estendere le capacità del robot di eseguire compiti complessi attraverso l'apprendimento profondo.
• Testare e risolvere i problemi di un robot in scenari realistici.

In questo corso interattivo guidato dall'insegnante (online o sul posto), i partecipanti impareranno le diverse tecnologie, framework e tecniche per programmare diversi tipi di robot da utilizzare nel campo della tecnologia nucleare e dei sistemi ambientali.

Il corso di 4 settimane si svolge 5 giorni a settimana. Ogni giorno dura 4 ore ed è composto da lezioni, discussioni e sviluppo robotico pratico in un ambiente di laboratorio live. I partecipanti completano vari progetti del mondo reale applicabili al loro lavoro per mettere in pratica la conoscenza acquisita.

L'hardware target sarà simulato in 3D tramite software di simulazione. Il codice verrà poi caricato su hardware fisico (Arduino o altro) per le prove finali di deploy. Si useranno il framework open-source ROS (Robot Operating System), C++ e Python per programmare i robot.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere i concetti chiave utilizzati nelle tecnologie robotiche.
• Comprendere e gestire l'interazione tra software e hardware in un sistema robotico.
• Comprendere ed implementare i componenti software che sostengono la robotica.
• Costruire ed operare un robot meccanico simulato capace di vedere, percepire, elaborare, navigare e interagire con gli esseri umani attraverso il linguaggio vocale.
• Comprendere gli elementi necessari dell'intelligenza artificiale (machine learning, deep learning, ecc.) applicabili alla costruzione di un robot intelligente.
• Implementare filtri (Kalman e Particle) per consentire al robot di localizzare oggetti in movimento nel suo ambiente.
• Implementare algoritmi di ricerca e pianificazione del movimento.
• Implementare i controlli PID per regolare il movimento di un robot all'interno di un ambiente.
• Implementare gli algoritmi SLAM per consentire a un robot di mappare un ambiente sconosciuto.
• Testare e risolvere problemi di un robot in scenari realistici.

ROS 2 (Robot Operating System 2) è un framework open-source progettato per supportare lo sviluppo di applicazioni robotiche complesse e scalabili.

Questo corso guidato dal docente, tenuto in modo live (online o sul posto), è rivolto a ingegneri e sviluppatori robotici di livello intermedio che desiderano implementare la navigazione autonoma e SLAM (Simultaneous Localization and Mapping) utilizzando ROS 2.

Al termine di questo corso, i partecipanti saranno in grado di:

• Configurare e impostare ROS 2 per applicazioni di navigazione autonoma.
• Implementare algoritmi SLAM per la mappatura e localizzazione.
• Integrare sensori come LiDAR e camere con ROS 2.
• Simulare e testare la navigazione autonoma in Gazebo.
• Distribuire stack di navigazione su robot fisici.

Formato del Corso

• Lezione interattiva e discussione.
• Pratica pratica utilizzando strumenti di ROS 2 e ambienti di simulazione.
• Implementazione e testing live-lab su robot virtuali o fisici.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, contattateci per organizzare.

Il servizio Azure Bot Service combina il potere del Microsoft Bot Framework e delle funzioni di Azure per consentire lo sviluppo rapido di bot intelligenti.

In questo training guidato da un istruttore, i partecipanti impareranno come creare facilmente un bot intelligente utilizzando Microsoft Azure

Al termine di questo training, i partecipanti saranno in grado di:

• Imparare i fondamenti dei bot intelligenti
• Imparare a creare bot intelligenti utilizzando applicazioni cloud
• Capire come utilizzare il Microsoft Bot Framework, il Bot Builder SDK e il servizio Azure Bot Service
• Comprendere come progettare i bot utilizzando pattern di bot
• Sviluppare il loro primo bot intelligente utilizzando Microsoft Azure

Pubblico di riferimento

• Sviluppatori
• Appassionati
• Ingegneri
• Professionisti IT

Formato del corso

• Parte lezione, parte discussione, esercizi e pratica intensiva

OpenCV è una libreria open-source di computer vision che abilita il processamento delle immagini in tempo reale, mentre i framework di deep learning come TensorFlow forniscono gli strumenti per la percezione intelligente e la presa di decisioni nei sistemi robotici.

Questo training guidato dall'instruttore (online o in loco) è rivolto a ingegneri robotici intermedi, praticanti di computer vision e ingegneri di machine learning che desiderano applicare tecniche di computer vision e deep learning per la percezione e l'autonomia dei robot.

Al termine di questo training, i partecipanti saranno in grado di:

• Implementare pipeline di computer vision utilizzando OpenCV.
• Integrare modelli di deep learning per la rilevazione e il riconoscimento degli oggetti.
• Utilizzare i dati basati sulla visione per il controllo e la navigazione dei robot.
• Combinare algoritmi classici di computer vision con reti neurali profonde.
• Distribuire sistemi di computer vision su piattaforme embedded e robotiche.

Formato del Corso

• Lezione interattiva e discussione.
• Pratica pratica utilizzando OpenCV e TensorFlow.
• Implementazione in laboratorio su sistemi robotici simulati o fisici.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato per questo corso, contattateci per organizzarlo.

Un bot o chatbot è come un assistente informatico che viene utilizzato per automatizzare le interazioni degli utenti su varie piattaforme di messaggistica e fare le cose più velocemente senza la necessità che gli utenti parlino con un altro essere umano.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come iniziare a sviluppare un bot mentre eseguono la creazione di chatbot di esempio utilizzando strumenti e framework di sviluppo di bot.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i diversi usi e applicazioni dei bot
• Comprendere l'intero processo di sviluppo dei bot
• Esplora i diversi strumenti e piattaforme utilizzati nella creazione di bot
• Creare un chatbot di esempio per Facebook Messenger
• Creare un chatbot di esempio usando Microsoft Bot Framework

Pubblico

• Sviluppatori interessati a creare il proprio bot

Formato del corso

• In parte lezione, in parte discussione, esercizi e pratica pratica pesante

L'Edge AI consente di eseguire modelli di intelligenza artificiale direttamente su dispositivi embedded o a risorse limitate, riducendo la latenza e il consumo energetico mentre aumenta l'autonomia e la privacy nei sistemi robotici.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a sviluppatori embedded e ingegneri robotici di livello intermedio che desiderano implementare tecniche di inferenza e ottimizzazione del machine learning direttamente sul hardware robotico utilizzando TinyML e framework Edge AI.

Al termine di questo corso, i partecipanti saranno in grado di:

• Comprendere i principi fondamentali di TinyML e Edge AI per la robotica.
• Convertire e distribuire modelli AI per l'inferenza sul dispositivo.
• Ottimizzare i modelli per velocità, dimensione ed efficienza energetica.
• Integrare sistemi Edge AI nelle architetture di controllo robotico.
• Valutare le prestazioni e l'accuratezza in scenari reali.

Formato del Corso

• Lezione interattiva e discussione.
• Esercitazioni pratiche utilizzando toolchain TinyML e Edge AI.
• Esercizi pratici su piattaforme hardware embedded e robotiche.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Questo corso live, guidato da un istruttore (online o presenziale) a Italia, è rivolto a partecipanti di livello intermedio che desiderano esplorare il ruolo dei robot collaborativi (cobots) e altri sistemi AI centrici all'essere umano nei luoghi di lavoro moderni.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere i principi dell'Intelligenza Artificiale Fisica Centrata sull'Uomo e le sue applicazioni.
• Esplorare il ruolo dei robot collaborativi nell'aumento della produttività sul luogo di lavoro.
• Identificare e affrontare le sfide nelle interazioni uomo-macchina.
• Progettare flussi di lavoro che ottimizzano la collaborazione tra esseri umani e sistemi guidati dall'IA.
• Promuovere una cultura di innovazione ed adattabilità nei luoghi di lavoro integrati con l'IA.

Questo corso guidato dal docente (online o in presenza) è rivolto agli ingegneri che desiderano conoscere l'applicabilità dell'intelligenza artificiale ai sistemi meccatronici.

Al termine di questo corso, i partecipanti saranno in grado di:

• Acquisire una panoramica dell'intelligenza artificiale, del machine learning e dell'intelligenza computazionale.
• Comprendere i concetti di reti neurali e diversi metodi di apprendimento.
• Scegliere efficacemente approcci di intelligenza artificiale per problemi reali.
• Implementare applicazioni AI nell'ingegneria meccatronica.

Questo training live guidato dall'insegnante (online o sul posto) è rivolto a ricercatori di livello intermedio, data scientists e ingegneri dell'apprendimento automatico che desiderano creare sistemi intelligenti in grado di elaborare ed interpretare dati multimodali.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere i principi dell'AI multimodale e le sue applicazioni.
• Implementare tecniche di fusione dei dati per combinare diversi tipi di dati.
• Costruire e addestrare modelli in grado di elaborare informazioni visive, testuali ed uditive.
• Valutare le prestazioni dei sistemi AI multimodali.
• Affrontare i problemi etici e di privacy relativi ai dati multimodali.

Questo corso interattivo in Italia (online o presenza), è rivolto a partecipanti di livello intermedio che desiderano migliorare le loro competenze nella progettazione, programmazione e distribuzione di sistemi robotici intelligenti per l'automazione e oltre.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere i principi dell'Intelligenza Artificiale Fisica e le sue applicazioni nella robotica e nell'automazione.
• Progettare e programmare sistemi robotici intelligenti per ambienti dinamici.
• Implementare modelli di IA per la decisione autonoma nei robot.
• Sfruttare strumenti di simulazione per il test e l'ottimizzazione dei robot.
• Affrontare sfide come la fusione dei sensori, il trattamento in tempo reale e l'efficienza energetica.

L'apprendimento per rinforzo (RL) è un paradigma di apprendimento automatico in cui gli agenti imparano a prendere decisioni interagendo con un ambiente. In robistica, RL consente ai sistemi autonomi di sviluppare capacità di controllo e presa di decisioni adattive attraverso l'esperienza e il feedback.

Questo training guidato da istruttori (online o in loco) è rivolto a ingegneri di machine learning, ricercatori in robistica e sviluppatori con un livello avanzato che desiderano progettare, implementare e distribuire algoritmi di apprendimento per rinforzo in applicazioni robotiche.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere i principi e la matematica dell'apprendimento per rinforzo.
• Implementare algoritmi RL come Q-learning, DDPG e PPO.
• Integrare RL con ambienti di simulazione robotica utilizzando OpenAI Gym e ROS 2.
• Allenare i robot a eseguire compiti complessi in modo autonomo attraverso tentativi ed errori.
• Ottimizzare le prestazioni di addestramento utilizzando framework di deep learning come PyTorch.

Formato del Corso

• Lezione interattiva e discussione.
• Implementazione pratica utilizzando Python, PyTorch e OpenAI Gym.
• Esercizi pratici in ambienti robotici simulati o fisici.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato per questo corso, si prega di contattarci per organizzare.

Un robot intelligente è un sistema in grado di imparare dal suo ambiente e dalla sua esperienza e di sviluppare le sue capacità sulla base di tale conoscenza. Smart Robots può collaborare con gli esseri umani, lavorando al loro fianco e imparando dal loro comportamento. Inoltre, hanno la capacità non solo di svolgere lavori manuali, ma anche di svolgere compiti cognitivi. Oltre ai robot fisici, Smart Robots può anche essere puramente basato su software, risiedendo in un computer come un'applicazione software senza parti mobili o interazione fisica con il mondo.

In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno le diverse tecnologie, framework e tecniche per la programmazione di diversi tipi di meccanica Smart Robots, quindi applicheranno queste conoscenze per completare i propri progetti Smart Robot.

Il corso è diviso in 4 sezioni, ciascuna composta da tre giorni di lezioni, discussioni e sviluppo pratico di robot in un ambiente di laboratorio dal vivo. Ogni sezione si concluderà con un progetto pratico per consentire ai partecipanti di esercitarsi e dimostrare le conoscenze acquisite.

L'hardware target per questo corso sarà simulato in 3D attraverso software di simulazione. Per la programmazione dei robot verrà utilizzato il framework open-source ROS (Robot Operating System), C++ e Python.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendere i concetti chiave utilizzati nelle tecnologie robotiche
• Comprendere e gestire l'interazione tra software e hardware in un sistema robotico
• Comprendere e implementare i componenti software che sono alla base Smart Robots
• Costruisci e gestisci un robot intelligente meccanico simulato in grado di vedere, percepire, elaborare, afferrare, navigare e interagire con gli esseri umani attraverso la voce
• Estendere la capacità di uno Smart Robot di eseguire attività complesse attraverso Deep Learning
• Testa e risolvi i problemi di uno Smart Robot in scenari realistici

Pubblico

• Gli sviluppatori
• Ingegneri

Formato del corso

• In parte lezione, in parte discussione, esercizi e pratica pratica pesante

Nota

• Per personalizzare qualsiasi parte di questo corso (linguaggio di programmazione, modello di robot, ecc.) contattateci per organizzare.

Smart Robotics è l'integrazione dell'intelligenza artificiale nei sistemi robotici per migliorare la percezione, la decisione e il controllo autonomo.

Questa formazione guidata da un istruttore (online o sul posto) si rivolge a ingegneri avanzati di robotica, integratori di sistemi e responsabili dell'automazione che desiderano implementare percezione, pianificazione e controllo guidati dall'intelligenza artificiale in ambienti di fabbricazione intelligente.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere e applicare tecniche AI per la percezione robotica e la fusione dei sensori.
• Sviluppare algoritmi di pianificazione del movimento per robot collaborativi ed industriali.
• Implementare strategie di controllo basate sull'apprendimento per la presa di decisioni in tempo reale.
• Integrare sistemi robotici intelligenti nei flussi di lavoro delle fabbriche intelligenti.

Formato del corso

• Lezione interattiva e discussione.
• Numerose esercitazioni e pratica.
• Implementazione pratica in un ambiente di laboratorio vivente.

Opzioni per la personalizzazione del corso

• Per richiedere una formazione personalizzata su questo corso, contattateci per organizzare.