コース概要

ロボティクスにおけるエッジAIの導入

  • エッジAIとは何か?
  • なぜロボティクスにおいてエッジAIが重要なのか?
  • 自律システムにおけるリアルタイムAIの課題

エッジデバイスへのAIモデルの展開

  • NVIDIA Jetsonおよびその他のエッジハードウェアでのAI推論
  • TensorFlow LiteとONNXを使用したエッジ展開
  • リアルタイム実行のためのAIモデルの最適化

自律システムのリアルタイム認識

  • ロボットナビゲーションのためのコンピュータビジョン
  • LiDAR、カメラ、IMUのセンサフュージョン
  • オブジェクト検出と追跡のためのエッジAI

ロボティクスにおける意思決定と制御

  • 自律的な行動のための強化学習
  • 経路計画と障害物回避
  • リアルタイムAIシステムにおける遅延最適化

ROS(ロボットオペレーティングシステム)とのAI統合

  • ROSとそのエコシステムの概要
  • ROSでのAIベースの認識モデルの実行
  • マルチロボットおよびスウォームロボティクスアプリケーションにおけるエッジAI

低消費電力ロボティックシステム向けのAI最適化

  • ロボット向けの効率的なニューラルネットワークアーキテクチャ
  • AI駆動ロボットにおける消費電力削減
  • バッテリー駆動のロボティックプラットフォームへのAI展開

実世界アプリケーションと将来のトレンド

  • 自律ドローンと産業用ロボット
  • AI搭載のロボットアシスタント
  • ロボティクス向けエッジAIの将来の進歩

まとめと次なるステップ

要求

  • AIと機械学習モデルの理解
  • 埋め込みシステムやロボティクスの経験
  • リアルタイムコンピューティングに関する基本的な知識

対象者

  • ロボットエンジニア
  • AI開発者
  • 自動化専門家
 21 時間

参加者の人数


参加者1人当たりの料金

今後のコース

関連カテゴリー