TinyML用於自主系統與機器人技術培訓

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。

本次由講師指導的線下或線上培訓，面向中級水平的參與者，旨在提升他們在設計和部署智能機器人系統以用於自動化及其他領域的能力。

培訓結束後，參與者將能夠：

• 理解Physical 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。
• 爲機器人實現自主決策的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。

強化學習（RL）是一種機器學習範式，代理通過與環境的交互來學習如何做出決策。在機器人領域，強化學習使自主系統能夠通過經驗和反饋發展出自適應控制和決策能力。

本課程由講師主導，提供線上或線下培訓，面向高級機器學習工程師、機器人研究人員和開發人員，旨在幫助他們設計、實現並部署強化學習算法於機器人應用中。

通過本課程，學員將能夠：

• 理解強化學習的原理和數學基礎。
• 實現Q-learning、DDPG和PPO等強化學習算法。
• 使用OpenAI Gym和ROS 2將強化學習與機器人仿真環境集成。
• 通過試錯法訓練機器人自主執行復雜任務。
• 使用PyTorch等深度學習框架優化訓練性能。

課程形式

• 互動式講座與討論。
• 使用Python、PyTorch和OpenAI Gym進行動手實踐。
• 在仿真或實際機器人環境中進行實操練習。

課程定製選項

• 如需定製本課程，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。