课程大纲

边缘人工智能在自主系统中的介绍

  • 边缘人工智能概述及其在自主系统中的重要性
  • 在自主系统中实施边缘人工智能的关键优势与挑战
  • 当前边缘人工智能在自主性领域的趋势与创新
  • 实际应用与案例研究

自主系统中的实时处理

  • 实时数据处理的基础
  • 用于实时决策的人工智能模型
  • 处理数据流与传感器融合
  • 实际示例与案例研究

边缘人工智能在自动驾驶车辆中的应用

  • 用于车辆感知与控制的人工智能模型
  • 开发与部署用于实时导航的人工智能解决方案
  • 将边缘人工智能与车辆控制系统集成
  • 边缘人工智能在自动驾驶车辆中的案例研究

边缘人工智能在无人机中的应用

  • 用于无人机感知与飞行控制的人工智能模型
  • 无人机中的实时数据处理与决策
  • 实施边缘人工智能以实现自主飞行与避障
  • 实际示例与案例研究

边缘人工智能在机器人中的应用

  • 用于机器人感知与操作的人工智能模型
  • 机器人系统中的实时处理与控制
  • 将边缘人工智能与机器人控制架构集成
  • 边缘人工智能在机器人中的案例研究

开发用于自主应用的人工智能模型

  • 相关机器学习与深度学习模型概述
  • 为边缘部署训练与优化模型
  • 用于自主边缘人工智能的工具与框架(如TensorFlow Lite、ROS等)
  • 在自主环境中验证与评估模型

在自主系统中部署边缘人工智能解决方案

  • 在各种边缘硬件上部署人工智能模型的步骤
  • 在边缘设备上进行实时数据处理与推理
  • 监控与管理已部署的人工智能模型
  • 实际部署示例与案例研究

伦理与法规考虑

  • 确保自主人工智能系统的安全性与可靠性
  • 解决自主人工智能模型中的偏见与公平性问题
  • 遵守自主系统中的法规与标准
  • 在自主系统中负责任地部署人工智能的最佳实践

性能评估与优化

  • 在自主系统中评估模型性能的技术
  • 用于实时监控与调试的工具
  • 在自主应用中优化人工智能模型性能的策略
  • 解决延迟、可靠性与可扩展性挑战

创新用例与应用

  • 边缘人工智能在自主系统中的高级应用
  • 各自主领域的深入案例研究
  • 成功故事与经验教训
  • 边缘人工智能在自主性中的未来趋势与机遇

动手项目与练习

  • 为自主系统开发全面的边缘人工智能应用
  • 实际项目与场景
  • 协作小组练习
  • 项目展示与反馈

总结与下一步

要求

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

受众

  • 机器人工程师
  • 自动驾驶车辆开发者
  • AI研究人员
 14 小时

即将举行的公开课程

课程分类