お問い合わせ

コース概要

ロボティクスにおけるエッジAIの概要

  • エッジAIとは何か?
  • なぜロボティクスにとってエッジAIが不可欠なのか
  • 自律型システムにおけるリアルタイムAIの課題

エッジデバイス上でのAIモデルの展開方法

  • NVIDIA Jetsonやその他のエッジハードウェアにおけるAI推論処理
  • TensorFlow LiteおよびONNXを用いたエッジ環境への展開手法
  • リアルタイム実行を目的としたAIモデルの最適化技術

自律型システムにおけるリアルタイムな認識機能の構築

  • ロボットナビゲーション用のコンピュータビジョン技術
  • LiDAR、カメラ、IMUなどのセンサー情報を統合する方法
  • 物体検出および追跡用のエッジAI活用手法

ロボットにおける意思決定と制御機能の実装

  • 自律的な挙動を実現するための強化学習技術
  • 経路計画や障害物回避の実装方法
  • リアルタイムAIシステムにおける遅延最小化手法

ROS(ロボットオペレーティングシステム)との連携によるAI活用

  • ROSおよびそのエコシステムの概要説明
  • ROS上でAIベースの認識モデルを動作させる方法
  • 複数ロボットや群れ制御用ロボットシステムにおけるエッジAI活用例

低電力で動作するロボット向けのAI最適化手法

  • ロボティクス分野向けの効率的なニューラルネットワーク構造
  • AI駆動型ロボットにおける電力消費削減技術
  • バッテリー駆動のロボットプラットフォームへAIを展開する方法

実際の応用例と今後の発展傾向

  • 自律型ドローンや産業用ロボットの活用事例
  • AI技術を取り入れたロボットアシスタントの実例
  • ロボティクス分野におけるエッジAIの今後の発展動向

まとめおよび次に取り組むべき事項

要求

  • AIおよび機械学習モデルに関する基本的な知識があること
  • 組み込みシステムやロボティクス分野での実務経験があること
  • リアルタイムコンピューティングに関する基礎知識があること

対象者

  • ロボティクスエンジニア
  • AI開発者
  • 自動化専門家
 21 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (1)

今後のコース

関連カテゴリー