以人为本的物理AI：协作机器人及其他 培训

人工智能（AI）与机器人技术结合了机器学习、控制系统和传感器融合，旨在创建能够感知、推理并自主行动的智能机器。通过现代工具如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。

本课程为讲师指导的培训（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，参与者将能够：

• 使用Python和ROS 2构建和模拟机器人行为。
• 实现卡尔曼滤波和粒子滤波用于定位和跟踪。
• 应用OpenCV进行计算机视觉感知和物体检测。
• 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）实现自主导航。
• 开发强化学习模型以改进机器人决策。

课程形式

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

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。

在这个由讲师主导的培训中（线上或线下），参与者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，包括讲座、讨论和在实际实验室环境中的机器人开发实践。参与者将完成各种适用于其工作的实际项目，以巩固所学知识。

本课程的目标硬件将通过仿真软件进行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。

通过本培训，参与者将能够：

• 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。
• 理解并实现支持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，使其能够看、感知、处理、导航并通过语音与人类互动。
• 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。
• 通过深度学习扩展机器人执行复杂任务的能力。
• 在真实场景中测试和调试机器人。

ROS 2（机器人操作系统2）是一个开源框架，旨在支持复杂且可扩展的机器人应用程序开发。

本课程为讲师指导的线下或线上培训，面向希望使用ROS 2实现自主导航和SLAM（同步定位与地图构建）的中级机器人工程师和开发者。

培训结束后，参与者将能够：

• 为自主导航应用程序设置和配置ROS 2。
• 实现SLAM算法以进行地图构建和定位。
• 将LiDAR和摄像头等传感器与ROS 2集成。
• 在Gazebo中模拟和测试自主导航。
• 在物理机器人上部署导航堆栈。

课程形式

• 互动讲座与讨论。
• 使用ROS 2工具和模拟环境进行动手实践。
• 在虚拟或物理机器人上进行实时实验和测试。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

Azure Bot Service集成了Microsoft Bot Framework和Azure Functions的功能，为快速构建智能机器人提供了一个强大的平台。

在此讲师指导的培训中，参与者将探索如何使用Microsoft Azure高效开发智能机器人。

培训结束时，参与者将能够：

理解智能机器人背后的核心概念。

使用基于云的应用程序构建智能机器人。

获得对Microsoft Bot Framework、Bot Builder SDK和Azure Bot Service的实用知识。

在实际场景中应用已建立的机器人设计模式。

使用Microsoft Azure创建并部署他们的第一个智能机器人。

受众

本课程面向对机器人开发感兴趣的开发者、爱好者、工程师和IT专业人员。

课程形式

培训结合了讲座、讨论、练习，并强调实践操作。

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。

人机交互（HRI）：语音、手势与协作控制是一门实践性课程，旨在向参与者介绍设计和实现人机交互的直观界面。培训结合了理论、设计原则和编程实践，使用语音、手势和共享控制技术构建自然且响应迅速的交互系统。参与者将学习如何集成感知模块，开发多模态输入系统，并设计能够安全与人类协作的机器人。

本课程为讲师指导的培训（线上或线下），面向希望设计和实现人机交互系统的初学者和中级参与者，以提升可用性、安全性和用户体验。

培训结束后，参与者将能够：

• 理解人机交互的基础和设计原则。
• 开发基于语音的机器人控制和响应机制。
• 使用计算机视觉技术实现手势识别。
• 设计用于安全和共享自主性的协作控制系统。
• 基于可用性、安全性和人为因素评估HRI系统。

课程形式

• 互动式讲座和演示。
• 动手编程和设计练习。
• 在模拟或真实机器人环境中进行实践实验。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

工业机器人自动化：ROS-PLC集成与数字孪生是一门实践性课程，专注于将工业自动化与现代机器人框架相结合。学员将学习如何将基于ROS的机器人系统与PLC集成，以实现同步操作，并探索数字孪生环境，以模拟、监控和优化生产流程。课程重点强调互操作性、实时控制以及使用物理系统的数字副本进行预测分析。

本课程由讲师主导，提供线上或线下培训，面向希望在实际操作中掌握ROS控制机器人与PLC环境连接，并实施数字孪生以优化自动化和制造的中级专业人员。

培训结束后，学员将能够：

• 理解ROS与PLC系统之间的通信协议。
• 实现机器人与工业控制器之间的实时数据交换。
• 开发用于监控、测试和流程模拟的数字孪生。
• 在工业工作流程中集成传感器、执行器和机器人操作器。
• 使用混合仿真环境设计和验证工业自动化系统。

课程形式

• 互动讲座和架构讲解。
• 集成ROS和PLC系统的实践练习。
• 仿真与数字孪生项目实施。

课程定制选项

• 如需定制本课程，请联系我们安排。

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。

多机器人系统与群体智能是一门高级培训课程，探讨受生物群体行为启发的机器人团队的设计、协调与控制。参与者将学习如何建模交互、实现分布式决策，并优化多代理之间的协作。课程结合理论与实践，通过动手模拟，为学员在物流、国防、搜索与救援以及自主探索等领域的应用做好准备。

本课程由讲师主导，提供线上或线下培训，面向希望使用开源框架和算法设计、模拟和实现多机器人及群体智能系统的高级专业人士。

培训结束后，学员将能够：

• 理解群体智能和协作机器人的原理与动态。
• 设计多机器人系统的通信与协调策略。
• 实现分布式决策与共识算法。
• 模拟编队控制、集群行为与覆盖等集体行为。
• 将群体智能技术应用于现实场景与优化问题。

课程形式

• 高级讲座，深入探讨算法。
• 使用ROS 2和Gazebo进行动手编程与模拟。
• 应用群体智能原理的协作项目。

课程定制选项

• 如需定制本课程，请联系我们安排。

本课程为讲师指导的培训（中国线上或线下），面向高级机器人工程师和AI研究人员，旨在利用多模态AI整合各种传感器数据，创建能够看、听、触摸的更自主、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。

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。