自主导航与SLAM与ROS 2 培训

人工智能（AI）在机器人技术中的应用结合了机器学习、控制系统和传感器融合，旨在创造出能够感知、推理并自主行动的智能机器。通过使用现代工具如ROS 2、TensorFlow和OpenCV，工程师现在可以设计出能够智能导航、规划并与现实环境交互的机器人。

本课程为讲师主导的培训（线上或线下），面向希望使用当前开源技术和框架开发、训练和部署AI驱动机器人系统的中级工程师。

培训结束后，学员将能够：

• 使用Python和ROS 2构建并模拟机器人行为。
• 实现卡尔曼滤波和粒子滤波，用于定位和跟踪。
• 应用OpenCV的计算机视觉技术进行感知和物体检测。
• 使用TensorFlow进行运动预测和基于学习的控制。
• 集成SLAM（同步定位与地图构建）技术，实现自主导航。
• 开发强化学习模型，以提升机器人决策能力。

课程形式

• 互动式讲座与讨论。
• 使用ROS 2和Python进行实践操作。
• 在模拟和真实机器人环境中进行练习。

课程定制选项

如需为本课程定制培训，请联系我们进行安排。

在这项由讲师指导的中国（线上或线下）培训中，学员将学习用于编程不同类型机器人的各种技术、框架和方法，这些机器人将应用于核技术和环境系统领域。

本课程为期6周，每周5天，每天4小时。课程内容包括讲座、讨论以及在实验室环境中的实际操作机器人开发。学员将完成各种与其工作相关的实际项目，以实践所学知识。

本课程的目标硬件将通过模拟软件进行3D模拟。编程机器人将使用ROS（机器人操作系统）开源框架、C++和Python。

培训结束后，学员将能够：

• 理解机器人技术中的关键概念。
• 理解并管理机器人系统中软件与硬件的交互。
• 理解并实现支撑机器人技术的软件组件。
• 构建并操作一个模拟的机械机器人，使其能够通过视觉、感知、处理、导航和语音与人互动。
• 理解构建智能机器人所需的人工智能要素（机器学习、深度学习等）。
• 实现过滤器（卡尔曼和粒子）以使机器人能够定位其环境中的移动物体。
• 实现搜索算法和运动规划。
• 实现PID控制以调节机器人在环境中的运动。
• 实现SLAM算法以使机器人能够绘制未知环境的地图。
• 通过深度学习扩展机器人执行复杂任务的能力。
• 在现实场景中测试和排除机器人故障。

在这次由讲师指导的线下或线上培训中，学员将学习编程不同类型机器人所需的各种技术、框架和技巧，这些机器人将应用于核技术和环境系统领域。

本课程为期4周，每周5天。每天4小时，包括讲座、讨论和在实验室环境中的实际操作机器人开发。学员将完成各种适用于其工作的实际项目，以实践所学的知识。

本课程的目标硬件将通过模拟软件进行3D模拟。代码随后将加载到物理硬件（如Arduino或其他）上进行最终部署测试。将使用ROS（机器人操作系统）开源框架、C++和Python来编程机器人。

培训结束后，学员将能够：

• 理解机器人技术中的关键概念。
• 理解并管理机器人系统中软件与硬件的交互。
• 理解并实现支撑机器人技术的软件组件。
• 构建并操作一个模拟的机械机器人，使其能够通过视觉、感知、处理、导航和语音与人类互动。
• 理解构建智能机器人所需的人工智能元素（如机器学习、深度学习等）。
• 实现滤波器（卡尔曼和粒子滤波器），使机器人能够定位环境中的移动物体。
• 实现搜索算法和运动规划。
• 实现PID控制，以调节机器人在环境中的运动。
• 实现SLAM算法，使机器人能够绘制未知环境的地图。
• 在真实场景中测试和调试机器人。

Azure Bot Service 结合了 Microsoft Bot Framework 和 Azure 功能，能够快速开发智能机器人。

在这次讲师指导的线下培训中，参与者将学习如何轻松使用 Microsoft Azure 创建智能机器人。

培训结束后，参与者将能够：

• 学习智能机器人的基础知识
• 学习如何使用云应用程序创建智能机器人
• 了解如何使用 Microsoft Bot Framework、Bot Builder SDK 和 Azure Bot Service
• 了解如何使用机器人模式设计机器人
• 使用 Microsoft Azure 开发他们的第一个智能机器人

受众

• 开发者
• 爱好者
• 工程师
• IT 专业人员

课程形式

• 部分讲座，部分讨论，练习和大量动手实践

OpenCV是一个开源的计算机视觉库，支持实时图像处理，而深度学习框架如TensorFlow则为机器人系统提供了智能感知与决策工具。

本课程为讲师主导的培训（线上或线下），面向中级机器人工程师、计算机视觉从业者以及机器学习工程师，旨在帮助他们应用计算机视觉与深度学习技术，实现机器人感知与自主决策。

通过本课程，学员将能够：

• 使用OpenCV实现计算机视觉流水线。
• 集成深度学习模型，用于目标检测与识别。
• 利用视觉数据进行机器人控制与导航。
• 将经典视觉算法与深度神经网络结合。
• 在嵌入式与机器人平台上部署计算机视觉系统。

课程形式

• 互动讲座与讨论。
• 使用OpenCV与TensorFlow进行实践操作。
• 在模拟或实际机器人系统上进行实时实验。

课程定制选项

• 如需定制本课程，请联系我们安排。

机器人或聊天机器人就像一个计算机助手，用于在各种消息传递平台上自动进行用户交互，并更快地完成工作，而无需用户与另一个人交谈。

在这个由讲师指导的现场培训中，参与者将学习如何开始开发机器人，因为他们使用机器人开发工具和框架逐步创建示例聊天机器人。

在培训结束时，参与者将能够：

• 了解机器人的不同用途和应用
• 了解开发机器人的完整过程
• 探索用于构建机器人的不同工具和平台
• 为 Facebook Messenger 构建示例聊天机器人
• 使用 Microsoft Bot Framework 生成示例聊天机器人

观众

• 有兴趣创建自己的机器人的开发人员

课程形式

• 部分讲座，部分讨论，练习和大量动手练习

边缘AI使人工智能模型能够直接在嵌入式或资源受限的设备上运行，减少延迟和功耗，同时提高机器人系统的自主性和隐私性。

本次由讲师主导的培训（线上或线下）面向中级嵌入式开发人员和机器人工程师，旨在通过TinyML和边缘AI框架在机器人硬件上直接实现机器学习推理和优化技术。

培训结束后，学员将能够：

• 了解TinyML和边缘AI在机器人中的基础知识。
• 转换并部署用于设备端推理的AI模型。
• 优化模型的速度、大小和能效。
• 将边缘AI系统集成到机器人控制架构中。
• 评估实际场景中的性能和准确性。

课程形式

• 互动式讲座与讨论。
• 使用TinyML和边缘AI工具链进行实践操作。
• 在嵌入式与机器人硬件平台上进行实际练习。

课程定制选项

• 如需定制本课程，请联系我们进行安排。

本课程为讲师主导的培训（在中国线上或线下），面向希望探索协作机器人（cobot）及其他以人为本的AI系统在现代工作场所中的角色的中级参与者。

在本培训结束时，参与者将能够：

• 理解以人为本的物理AI的原理及其应用。
• 探索协作机器人在提升工作场所生产力中的作用。
• 识别并解决人机交互中的挑战。
• 设计优化人类与AI驱动系统协作的工作流程。
• 在AI集成的工作场所中推动创新和适应性的文化。

本次由讲师主导的培训在中国（线上或线下）面向希望了解人工智能在机电一体化系统中适用性的工程师。

培训结束后，参与者将能够：

• 概述人工智能、机器学习和计算智能。
• 理解神经网络的概念及不同的学习方法。
• 有效选择人工智能方法解决现实问题。
• 在机电一体化工程中实施人工智能应用。

本课程为讲师指导的线下或线上培训，面向高级机器人工程师和AI研究人员，旨在帮助他们利用多模态AI整合多种感官数据，以创建能够看、听、触摸的更加自主和高效的机器人。

培训结束后，学员将能够：

• 在机器人系统中实现多模态传感。
• 开发用于传感器融合和决策的AI算法。
• 创建能够在动态环境中执行复杂任务的机器人。
• 解决实时数据处理和执行中的挑战。

本课程为讲师指导的中国（线上或线下）培训，面向希望提升设计、编程和部署智能机器人系统技能的学员。

课程结束时，学员将能够：

• 理解物理AI的原理及其在机器人和自动化中的应用。
• 为动态环境设计和编程智能机器人系统。
• 在机器人中实现自主决策的AI模型。
• 利用仿真工具进行机器人测试和优化。
• 应对传感器融合、实时处理和能源效率等挑战。

强化学习（RL）是一种机器学习范式，代理通过与环境的交互来学习如何做出决策。在机器人领域，强化学习使自主系统能够通过经验和反馈发展出自适应控制和决策能力。

本课程由讲师主导，提供线上或线下培训，面向高级机器学习工程师、机器人研究人员和开发人员，旨在帮助他们设计、实现并部署强化学习算法于机器人应用中。

通过本课程，学员将能够：

• 理解强化学习的原理和数学基础。
• 实现Q-learning、DDPG和PPO等强化学习算法。
• 使用OpenAI Gym和ROS 2将强化学习与机器人仿真环境集成。
• 通过试错法训练机器人自主执行复杂任务。
• 使用PyTorch等深度学习框架优化训练性能。

课程形式

• 互动式讲座与讨论。
• 使用Python、PyTorch和OpenAI Gym进行动手实践。
• 在仿真或实际机器人环境中进行实操练习。

课程定制选项

• 如需定制本课程，请联系我们安排。

安全与可解释的机器人技术是一门综合性培训，专注于机器人系统的安全性、验证和伦理治理。本课程通过探讨安全案例方法、危害分析以及可解释AI方法，将理论与实践相结合，使机器人决策过程透明且可信。学员将学习如何确保合规性、验证行为，并按照国际标准记录安全保障。

本课程为讲师主导的培训（线上或线下），面向中级专业人士，旨在应用验证、验证和可解释性原则，确保机器人系统的安全与伦理部署。

培训结束后，学员将能够：

• 为机器人和自主系统开发和记录安全案例。
• 在仿真环境中应用验证和验证技术。
• 理解用于机器人决策的可解释AI框架。
• 将安全与伦理原则融入系统设计和操作中。
• 向利益相关者传达安全性和透明度要求。

课程形式

• 互动式讲座与讨论。
• 动手模拟与安全分析练习。
• 来自实际机器人应用的案例分析。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

智慧机器人是一个 Artificial Intelligence (AI) 系统，它可以从其环境和经验中学习，并在这些知识的基础上构建其能力。Smart Robots 可以与人类合作，与他们一起工作并从他们的行为中学习。此外，他们不仅能够完成体力劳动，还能完成认知任务。除了物理机器人之外，Smart Robots也可以纯粹基于软体，作为软体应用程式驻留在计算机中，没有移动部件或与世界的物理交互。

在这个由讲师指导的现场培训中，参与者将学习用于对不同类型的机械 Smart Robots 进行程式设计的不同技术、框架和技巧，然后应用这些知识来完成他们自己的智慧机器人专案。

本课程分为 4 个部分，每个部分包括为期三天的讲座、讨论和在现场实验室环境中动手开发机器人。每个部分都将以一个实用的实践项目结束，让参与者练习和展示他们所获得的知识。

本课程的目标硬体将通过模拟软体进行3D类比。ROS（机器人操作系统）开源框架 C++ 和 Python 将用于对机器人进行程式设计。

在本次培训结束时，参与者将能够：

• 了解机器人技术中使用的关键概念
• 了解和管理机器人系统中软体和硬体之间的交互
• 了解并实施支撑 Smart Robots 的软体元件
• 构建和操作类比机械智慧机器人，该机器人可以通过语音看到、感知、处理、抓取、导航并与人类互动
• 通过 Deep Learning 扩展智慧机器人执行复杂任务的能力
• 在实际场景中测试智能机器人并排除故障

观众

• 开发人员
• 工程师

课程形式

• 部分讲座、部分讨论、练习和大量动手实践

注意

• 要定制本课程的任何部分（程式设计语言、机器人模型等），请联系我们进行安排。

Smart Robotics 是将人工智能集成到机器人系统中，以提升感知、决策和自主控制能力。

本次由讲师指导的培训（线上或线下）面向高级机器人工程师、系统集成商和自动化负责人，旨在帮助他们在智能制造环境中实现基于AI的感知、规划和控制。

通过本次培训，参与者将能够：

• 理解并应用AI技术于机器人感知和传感器融合。
• 开发协作机器人和工业机器人的运动规划算法。
• 部署基于学习的控制策略，用于实时决策。
• 将智能机器人系统集成到智能工厂的工作流程中。

课程形式

• 互动式讲座与讨论。
• 大量练习与实践。
• 在实时实验室环境中进行动手操作。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。