课程大纲

Edge AI in Autonomous Systems 简介

  • 边缘 AI 概述及其在自主系统中的意义
  • 在自主系统中实施边缘 AI 的主要优势和挑战
  • 用于自主性的边缘 AI 的当前趋势和创新
  • 实际应用和案例研究

自治系统中的实时处理

  • 实时数据处理基础
  • 用于实时决策的 AI 模型
  • 处理数据流和传感器融合
  • 实际实例和案例研究

自动驾驶汽车中的边缘 AI

  • 用于车辆感知和控制的 AI 模型
  • 开发和部署用于实时导航的 AI 解决方案
  • 将边缘 AI 与车辆控制系统集成
  • 自动驾驶汽车中边缘 AI 的案例研究

无人机中的边缘 AI

  • 用于无人机感知和飞行控制的 AI 模型
  • 无人机的实时数据处理和决策
  • 实施边缘 AI 实现自主飞行和避障
  • 实际实例和案例研究

边缘 AI Robotics

  • 用于机器人感知和操作的 AI 模型
  • 机器人系统中的实时处理和控制
  • 将边缘 AI 与机器人控制架构集成
  • 边缘 AI 在机器人领域的案例研究

开发用于自主应用的 AI 模型

  • 相关机器学习和深度学习模型概述
  • 训练和优化边缘部署模型
  • 自主边缘 AI 的工具和框架(TensorFlow Lite、ROS 等)
  • 自主环境中的模型验证和评估

在自治系统中部署边缘 AI 解决方案

  • 在各种边缘硬件上部署 AI 模型的步骤
  • 边缘设备上的实时数据处理和推理
  • 监视和管理已部署的 AI 模型
  • 实际部署示例和案例研究

道德和监管考虑

  • 确保自主人工智能系统的安全性和可靠性
  • 解决自主 AI 模型中的偏见和公平性
  • 符合自主系统的法规和标准
  • 在自主系统中负责任地部署 AI 的最佳实践

性能评估与优化

  • 自主系统中模型性能评估技术
  • 用于实时监控和调试的工具
  • 在自主应用中优化 AI 模型性能的策略
  • 解决延迟、可靠性和可扩展性挑战

创新 Use Case 和应用

  • 边缘 AI 在自主系统中的高级应用
  • 各个自治领域的深入案例研究
  • 成功案例和经验教训
  • 用于自主性的边缘 AI 的未来趋势和机遇

动手项目和练习

  • 为自主系统开发全面的边缘 AI 应用程序
  • 真实世界的项目和场景
  • 协作小组练习
  • 项目演示和反馈

摘要和后续步骤

要求

  • 了解 AI 和机器学习概念
  • 有编程语言经验(Python 推荐)
  • 熟悉机器人、自主系统或相关技术

观众

  • Robotics 工程师
  • 自动驾驶汽车开发商
  • 人工智能研究人员
 14 小时

即将举行的公开课程

课程分类