機器人學習與強化學習實踐培訓

人工智能（AI）在機器人技術中的應用結合了機器學習、控制系統和傳感器融合，旨在創造出能夠感知、推理並自主行動的智能機器。通過使用現代工具如ROS 2、TensorFlow和OpenCV，工程師現在可以設計出能夠智能導航、規劃並與現實環境交互的機器人。

本課程爲講師主導的培訓（線上或線下），面向希望使用當前開源技術和框架開發、訓練和部署AI驅動機器人系統的中級工程師。

培訓結束後，學員將能夠：

• 使用Python和ROS 2構建並模擬機器人行爲。
• 實現卡爾曼濾波和粒子濾波，用於定位和跟蹤。
• 應用OpenCV的計算機視覺技術進行感知和物體檢測。
• 使用TensorFlow進行運動預測和基於學習的控制。
• 集成SLAM（同步定位與地圖構建）技術，實現自主導航。
• 開發強化學習模型，以提升機器人決策能力。

課程形式

• 互動式講座與討論。
• 使用ROS 2和Python進行實踐操作。
• 在模擬和真實機器人環境中進行練習。

課程定製選項

如需爲本課程定製培訓，請聯繫我們進行安排。

在這項由講師指導的香港（線上或線下）培訓中，學員將學習用於編程不同類型機器人的各種技術、框架和方法，這些機器人將應用於核技術和環境系統領域。

本課程爲期6周，每週5天，每天4小時。課程內容包括講座、討論以及在實驗室環境中的實際操作機器人開發。學員將完成各種與其工作相關的實際項目，以實踐所學知識。

本課程的目標硬件將通過模擬軟件進行3D模擬。編程機器人將使用ROS（機器人操作系統）開源框架、C++和Python。

培訓結束後，學員將能夠：

• 理解機器人技術中的關鍵概念。
• 理解並管理機器人系統中軟件與硬件的交互。
• 理解並實現支撐機器人技術的軟件組件。
• 構建並操作一個模擬的機械機器人，使其能夠通過視覺、感知、處理、導航和語音與人互動。
• 理解構建智能機器人所需的人工智能要素（機器學習、深度學習等）。
• 實現過濾器（卡爾曼和粒子）以使機器人能夠定位其環境中的移動物體。
• 實現搜索算法和運動規劃。
• 實現PID控制以調節機器人在環境中的運動。
• 實現SLAM算法以使機器人能夠繪製未知環境的地圖。
• 通過深度學習擴展機器人執行復雜任務的能力。
• 在現實場景中測試和排除機器人故障。

在這次由講師指導的線下或線上培訓中，學員將學習編程不同類型機器人所需的各種技術、框架和技巧，這些機器人將應用於核技術和環境系統領域。

本課程爲期4周，每週5天。每天4小時，包括講座、討論和在實驗室環境中的實際操作機器人開發。學員將完成各種適用於其工作的實際項目，以實踐所學的知識。

本課程的目標硬件將通過模擬軟件進行3D模擬。代碼隨後將加載到物理硬件（如Arduino或其他）上進行最終部署測試。將使用ROS（機器人操作系統）開源框架、C++和Python來編程機器人。

培訓結束後，學員將能夠：

• 理解機器人技術中的關鍵概念。
• 理解並管理機器人系統中軟件與硬件的交互。
• 理解並實現支撐機器人技術的軟件組件。
• 構建並操作一個模擬的機械機器人，使其能夠通過視覺、感知、處理、導航和語音與人類互動。
• 理解構建智能機器人所需的人工智能元素（如機器學習、深度學習等）。
• 實現濾波器（卡爾曼和粒子濾波器），使機器人能夠定位環境中的移動物體。
• 實現搜索算法和運動規劃。
• 實現PID控制，以調節機器人在環境中的運動。
• 實現SLAM算法，使機器人能夠繪製未知環境的地圖。
• 在真實場景中測試和調試機器人。

ROS 2（機器人操作系統2）是一個開源框架，旨在支持複雜且可擴展的機器人應用程序開發。

本課程爲講師指導的線下或線上培訓，面向希望使用ROS 2實現自主導航和SLAM（同步定位與地圖構建）的中級機器人工程師和開發者。

培訓結束後，參與者將能夠：

• 爲自主導航應用程序設置和配置ROS 2。
• 實現SLAM算法以進行地圖構建和定位。
• 將LiDAR和攝像頭等傳感器與ROS 2集成。
• 在Gazebo中模擬和測試自主導航。
• 在物理機器人上部署導航堆棧。

課程形式

• 互動講座與討論。
• 使用ROS 2工具和模擬環境進行動手實踐。
• 在虛擬或物理機器人上進行即時實驗和測試。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

Azure Bot Service 結合了 Microsoft Bot Framework 和 Azure 功能，能夠快速開發智能機器人。

在這次講師指導的線下培訓中，參與者將學習如何輕鬆使用 Microsoft Azure 創建智能機器人。

培訓結束後，參與者將能夠：

• 學習智能機器人的基礎知識
• 學習如何使用雲應用程序創建智能機器人
• 瞭解如何使用 Microsoft Bot Framework、Bot Builder SDK 和 Azure Bot Service
• 瞭解如何使用機器人模式設計機器人
• 使用 Microsoft Azure 開發他們的第一個智能機器人

受衆

• 開發者
• 愛好者
• 工程師
• IT 專業人員

課程形式

• 部分講座，部分討論，練習和大量動手實踐

OpenCV是一個開源的計算機視覺庫，支持即時圖像處理，而深度學習框架如TensorFlow則爲機器人系統提供了智能感知與決策工具。

本課程爲講師主導的培訓（線上或線下），面向中級機器人工程師、計算機視覺從業者以及機器學習工程師，旨在幫助他們應用計算機視覺與深度學習技術，實現機器人感知與自主決策。

通過本課程，學員將能夠：

• 使用OpenCV實現計算機視覺流水線。
• 集成深度學習模型，用於目標檢測與識別。
• 利用視覺數據進行機器人控制與導航。
• 將經典視覺算法與深度神經網絡結合。
• 在嵌入式與機器人平臺上部署計算機視覺系統。

課程形式

• 互動講座與討論。
• 使用OpenCV與TensorFlow進行實踐操作。
• 在模擬或實際機器人系統上進行即時實驗。

課程定製選項

• 如需定製本課程，請聯繫我們安排。

機器人或聊天機器人就像一個計算機助手，用於在各種消息傳遞平臺上自動進行使用者交互，並更快地完成工作，而無需使用者與另一個人交談。

在這個由講師指導的現場培訓中，參與者將學習如何開始開發機器人，因為他們使用機器人開發工具和框架逐步創建範例聊天機器人。

在培訓結束時，參與者將能夠：

• 了解機器人的不同用途和應用
• 了解開發機器人的完整過程
• 探索用於構建機器人的不同工具和平臺
• 為 Facebook Messenger 構建示例聊天機器人
• 使用 Microsoft Bot Framework 生成示例聊天機器人

觀眾

• 有興趣創建自己的機器人的開發人員

課程形式

• 部分講座，部分討論，練習和大量動手練習

邊緣AI使人工智能模型能夠直接在嵌入式或資源受限的設備上運行，減少延遲和功耗，同時提高機器人系統的自主性和隱私性。

本次由講師主導的培訓（線上或線下）面向中級嵌入式開發人員和機器人工程師，旨在通過TinyML和邊緣AI框架在機器人硬件上直接實現機器學習推理和優化技術。

培訓結束後，學員將能夠：

• 瞭解TinyML和邊緣AI在機器人中的基礎知識。
• 轉換並部署用於設備端推理的AI模型。
• 優化模型的速度、大小和能效。
• 將邊緣AI系統集成到機器人控制架構中。
• 評估實際場景中的性能和準確性。

課程形式

• 互動式講座與討論。
• 使用TinyML和邊緣AI工具鏈進行實踐操作。
• 在嵌入式與機器人硬件平臺上進行實際練習。

課程定製選項

• 如需定製本課程，請聯繫我們進行安排。

本課程爲講師主導的培訓（在香港線上或線下），面向希望探索協作機器人（cobot）及其他以人爲本的AI系統在現代工作場所中的角色的中級參與者。

在本培訓結束時，參與者將能夠：

• 理解以人爲本的物理AI的原理及其應用。
• 探索協作機器人在提升工作場所生產力中的作用。
• 識別並解決人機交互中的挑戰。
• 設計優化人類與AI驅動系統協作的工作流程。
• 在AI集成的工作場所中推動創新和適應性的文化。

本次由講師主導的培訓在香港（線上或線下）面向希望瞭解人工智能在機電一體化系統中適用性的工程師。

培訓結束後，參與者將能夠：

• 概述人工智能、機器學習和計算智能。
• 理解神經網絡的概念及不同的學習方法。
• 有效選擇人工智能方法解決現實問題。
• 在機電一體化工程中實施人工智能應用。

本課程爲講師指導的線下或線上培訓，面向高級機器人工程師和AI研究人員，旨在幫助他們利用多模態AI整合多種感官數據，以創建能夠看、聽、觸摸的更加自主和高效的機器人。

培訓結束後，學員將能夠：

• 在機器人系統中實現多模態傳感。
• 開發用於傳感器融合和決策的AI算法。
• 創建能夠在動態環境中執行復雜任務的機器人。
• 解決即時數據處理和執行中的挑戰。

本課程爲講師指導的香港（線上或線下）培訓，面向希望提升設計、編程和部署智能機器人系統技能的學員。

課程結束時，學員將能夠：

• 理解物理AI的原理及其在機器人和自動化中的應用。
• 爲動態環境設計和編程智能機器人系統。
• 在機器人中實現自主決策的AI模型。
• 利用仿真工具進行機器人測試和優化。
• 應對傳感器融合、即時處理和能源效率等挑戰。

安全與可解釋的機器人技術是一門綜合性培訓，專注於機器人系統的安全性、驗證和倫理治理。本課程通過探討安全案例方法、危害分析以及可解釋AI方法，將理論與實踐相結合，使機器人決策過程透明且可信。學員將學習如何確保合規性、驗證行爲，並按照國際標準記錄安全保障。

本課程爲講師主導的培訓（線上或線下），面向中級專業人士，旨在應用驗證、驗證和可解釋性原則，確保機器人系統的安全與倫理部署。

培訓結束後，學員將能夠：

• 爲機器人和自主系統開發和記錄安全案例。
• 在仿真環境中應用驗證和驗證技術。
• 理解用於機器人決策的可解釋AI框架。
• 將安全與倫理原則融入系統設計和操作中。
• 向利益相關者傳達安全性和透明度要求。

課程形式

• 互動式講座與討論。
• 動手模擬與安全分析練習。
• 來自實際機器人應用的案例分析。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。

智慧機器人是一個 Artificial Intelligence (AI) 系統，它可以從其環境和經驗中學習，並在這些知識的基礎上構建其能力。Smart Robots 可以與人類合作，與他們一起工作並從他們的行為中學習。此外，他們不僅能夠完成體力勞動，還能完成認知任務。除了物理機器人之外，Smart Robots也可以純粹基於軟體，作為軟體應用程式駐留在計算機中，沒有移動部件或與世界的物理交互。

在這個由講師指導的現場培訓中，參與者將學習用於對不同類型的機械 Smart Robots 進行程式設計的不同技術、框架和技巧，然後應用這些知識來完成他們自己的智慧機器人專案。

本課程分為 4 個部分，每個部分包括為期三天的講座、討論和在現場實驗室環境中動手開發機器人。每個部分都將以一個實用的實踐項目結束，讓參與者練習和展示他們所獲得的知識。

本課程的目標硬體將通過模擬軟體進行3D類比。ROS（機器人操作系統）開源框架 C++ 和 Python 將用於對機器人進行程式設計。

在本次培訓結束時，參與者將能夠：

• 了解機器人技術中使用的關鍵概念
• 瞭解和管理機器人系統中軟體和硬體之間的交互
• 瞭解並實施支撐 Smart Robots 的軟體元件
• 構建和操作類比機械智慧機器人，該機器人可以通過語音看到、感知、處理、抓取、導航並與人類互動
• 通過 Deep Learning 擴展智慧機器人執行複雜任務的能力
• 在實際場景中測試智能機器人並排除故障

觀眾

• 開發人員
• 工程師

課程形式

• 部分講座、部分討論、練習和大量動手實踐

注意

• 要定製本課程的任何部分（程式設計語言、機器人模型等），請聯繫我們進行安排。

Smart Robotics 是將人工智能集成到機器人系統中，以提升感知、決策和自主控制能力。

本次由講師指導的培訓（線上或線下）面向高級機器人工程師、系統集成商和自動化負責人，旨在幫助他們在智能製造環境中實現基於AI的感知、規劃和控制。

通過本次培訓，參與者將能夠：

• 理解並應用AI技術於機器人感知和傳感器融合。
• 開發協作機器人和工業機器人的運動規劃算法。
• 部署基於學習的控制策略，用於即時決策。
• 將智能機器人系統集成到智能工廠的工作流程中。

課程形式

• 互動式講座與討論。
• 大量練習與實踐。
• 在即時實驗室環境中進行動手操作。

課程定製選項

• 如需爲本課程定製培訓，請聯繫我們安排。