人机交互（HRI）：语音、手势与协作控制 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。

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。

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。

ROS 2与Docker机器人快速原型开发实践是一门实践性课程，旨在帮助开发者高效构建、测试和部署机器人应用。参与者将学习如何容器化机器人环境，集成ROS 2包，并使用Docker实现模块化机器人系统的快速原型开发，以确保可重复性和可扩展性。课程强调敏捷性、版本控制和适合早期开发和创新团队的协作实践。

本课程由讲师主导，提供线上或线下培训，适合希望使用ROS 2和Docker加速机器人开发流程的初级到中级参与者。

培训结束后，参与者将能够：

• 在Docker容器中设置ROS 2开发环境。
• 在模块化、可重复的设置中开发和测试机器人原型。
• 使用仿真工具验证系统行为，再部署到硬件。
• 通过容器化机器人项目进行有效协作。
• 在机器人开发流程中应用持续集成和持续部署概念。

课程形式

• 互动式讲座与演示。
• ROS 2与Docker环境中的实践练习。
• 专注于真实机器人应用的小型项目。

课程定制选项

• 如需为本课程定制培训，请联系我们安排。

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。

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。