机器人学习与强化学习实践 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。

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 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。

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。