自律システムとロボティクス向けのTinyMLのトレーニングコース

ロボティクスのための人工知能 (AI) は、機械学習、制御システム、センサ融合を組み合わせて、環境を認識し、推論を行い、自律的に行動することができる知能型ロボットを創造します。ROS 2、TensorFlow、OpenCV などの現代的なツールを使用することで、エンジニアは今やリアルワールドの環境をナビゲーションし、計画し、対話することができるロボットを設計できるようになりました。

このインストラクターリードの実践的なトレーニング（オンラインまたはオンサイト）は、現在のオープンソーステクノロジーやフレームワークを使用して、中級レベルのエンジニアが AI 駆動型ロボットシステムを開発し、訓練し、展開することを目指しています。

このトレーニングを終了した参加者は次のようなことができるようになります：

• Python と ROS 2 を使用してロボットの動作を構築し、シミュレーションする。
• カルマンフィルタやパーティクルフィルタを用いて位置推定と追跡を行う。
• OpenCV を使用して感覚処理と物体検出を行うためにコンピュータビジョン技術を適用する。
• TensorFlow を使用して動作予測と学習ベースの制御を行う。
• SLAM（同時局所化とマッピング）を統合して自律的なナビゲーションを実現する。
• 強化学習モデルを開発して、ロボットの意思決定を改善する。

コース形式

• 双方向の講義とディスカッション。
• ROS 2 と Python を使用した手動実装。
• シミュレーションおよびリアルなロボット環境での実践的な演習。

コースカスタマイズオプション

このコースのカスタマイズ版を依頼するには、お問い合わせください。

このインストラクター主導の実践的なトレーニング（オンラインまたはオンサイト）では、参加者は核技術と環境システムで使用されるさまざまなタイプのロボットをプログラミングするための異なるテクノロジー、フレームワーク、および技法について学びます。

6週間のコースは1週間に5日間開催され、各日は4時間で構成されています。講義、ディスカッション、実践的なロボット開発が含まれる実際のラボ環境での学習です。参加者は、習得した知識を実践するためのさまざまな実世界のプロジェクトを完了します。

このコースで使用されるハードウェアは3Dシミュレーションソフトウェアでシミュレートされます。ロボットのプログラミングにはROS（Robot Operating System）、C++、Pythonが使用されます。

本トレーニング終了時には、参加者は以下のことを達成できます：

• ロボット技術の主要な概念を理解する。
• ソフトウェアとハードウェアの相互作用を理解し、管理する。
• ロボティクスの基礎ソフトウェアコンポーネントを理解し、実装する。
• 視覚、センシング、処理、ナビゲーション、音声による人間との対話が可能なシミュレーションされた機械ロボットの構築と操作を行う。
• 機械学習、深層学習などの人工知能（AI）の要素を理解し、スマートロボットの構築に適用する。
• カルマンフィルターやパーティクルフィルターを実装して、ロボットが環境中の動的物体を追跡できるようにする。
• 探索アルゴリズムと運動計画を実装する。
• PID制御を実装して、ロボットの環境内での動きを調整する。
• SLAMアルゴリズムを実装して、未知の環境を地図化する。
• 深層学習を通じてロボットが複雑なタスクを遂行できるようにする。
• 実世界のシナリオでロボットをテストし、トラブルシューティングを行う。

在此由讲师指导的现场培训中（在线或现场），参与者将学习如何编程不同类型的机器人，以用于核技术与环境系统的领域。

为期4周的课程每周举行5天。每天长达4小时，包括讲座、讨论和在实时实验室环境中进行的实际操作开发。参与者将完成各种适用于其工作的实际项目，以便实践所学知识。

本课程的目标硬件将在3D仿真软件中模拟。代码随后将加载到物理硬件（Arduino或其他）上进行最终部署测试。机器人编程将使用ROS（Robot Operating System）开源框架、C++和Python。

培训结束后，参与者将能够：

• 了解用于机器人技术的关键概念。
• 理解和管理机器人系统中软件与硬件的互动。
• 了解并实现支持机器人的软件组件。
• 构建并操作一个模拟机械机器人，该机器人能够观察、感知、处理、导航，并通过语音与人类互动。
• 了解适用于构建智能机器人的必要的人工智能元素（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，使机器人能够绘制未知环境的地图。
• 在现实场景中测试和排解机器人的问题。

ROS 2 (Robot Operating System 2)は、複雑でスケーラブルなロボットアプリケーションの開発を支援するオープンソースフレームワークです。

この講師主導のライブトレーニング（オンラインまたはオンサイト）は、中級レベルのロボティクスエンジニアやデベロッパー向けで、ROS 2を使用して自律ナビゲーションとSLAM（Simultaneous Localization and Mapping）を実装することを目指しています。

このトレーニング終了時には、参加者は以下のことができます：

• 自律ナビゲーションアプリケーションのためのROS 2を設定および構成する。
• マッピングとローカライゼーション用にSLAMアルゴリズムを実装する。
• LIDARやカメラなどのセンサーをROS 2に統合する。
• Gazeboで自律ナビゲーションをシミュレーションおよびテストする。
• 物理的なロボットにナビゲーションスタックをデプロイする。

コースの形式

• 対話型の講義とディスカッション。
• ROS 2ツールやシミュレーション環境を使用した手順実習。
• 仮想または物理的なロボットでのライブラボ実装およびテスト。

コースのカスタマイズオプション

• このコースのカスタマイズトレーニングを希望する場合は、お問い合わせください。

Azure Bot Service は、Microsoft Bot Framework と Azure Functions の力を組み合わせることで、インテリジェントなボットの迅速な開発を可能にします。

この講師主導の実践的なトレーニングでは、参加者は Microsoft Azure を使用して簡単にインテリジェントなボットを作成する方法を学びます。

本トレーニングの終了時には、参加者は以下のことをできるようになります：

• インテリジェントなボットの基本を理解する
• クラウドアプリケーションを使用してインテリジェントなボットを作成する方法を学ぶ
• Microsoft Bot Framework、Bot Builder SDK、Azure Bot Service の使用方法を理解する
• ボットパターンを使用してボットを設計する方法を理解する
• Microsoft Azure を使用して最初のインテリジェントなボットを開発する

対象者

• 開発者
• 趣味のプログラマ
• エンジニア
• IT プロフェッショナル

コース形式

• 講義、ディスカッション、演習、実践的な練習を組み合わせたもの

OpenCVはオープンソースのコンピュータビジョンライブラリで、リアルタイム画像処理を可能にし、TensorFlowなどのディープラーニングフレームワークは、ロボットシステムにおける高度な認識と意思決定のためのツールを提供します。

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、中級レベルのロボットエンジニア、コンピュータビジョン実践者、および機械学習エンジニア向けです。彼らは、ロボットの認識と自律性にコンピュータビジョンとディープラーニング技術を適用したいと考えています。

このトレーニングの終了時には、参加者は以下のことができるようになります:

• OpenCVを使用してコンピュータビジョンパイプラインを実装する。
• 物体検出と認識のためにディープラーニングモデルを統合する。
• 視覚データをロボットの制御やナビゲーションに使用する。
• 古典的なビジョンアルゴリズムと深層ニューラルネットワークを組み合わせる。
• 組み込みシステムやロボットプラットフォーム上でコンピュータビジョンシステムを展開する。

コース形式

• 対話型の講義とディスカッション。
• OpenCVとTensorFlowを使用した実践的な練習。
• シミュレートされたまたは物理的なロボットシステムでのライブラボ実装。

コースカスタマイゼーションオプション

• このコースのカスタマイズトレーニングを希望される場合は、お問い合わせください。

ボットまたはチャットボットは、さまざまなメッセージングプラットフォーム上でユーザーとのやり取りを自動化し、ユーザーが人間と話さなくても迅速に作業を行うためのコンピュータアシスタントです。

この講師主導のライブトレーニングでは、参加者はBot開発ツールとフレームワークを使用してサンプルチャットボットを作成する手順を学びながら、Botの開発を始めることについて学びます。

このトレーニング終了時には、参加者には以下のことができるようになります：

• ボットの異なる用途と応用について理解する
• ボットの開発プロセス全体を理解する
• ボット構築に使用されるさまざまなツールやプラットフォームを探索する
• Facebook Messenger用のサンプルチャットボットを構築する
• Microsoft Bot Frameworkを使用してサンプルチャットボットを構築する

対象者

• 自分自身のBotを作成に興味のある開発者

コース形式

• 講義とディスカッション、演習、および実践的な練習を組み合わせたもの

エッジAIは、人工知能モデルを組み込みまたはリソース制約のあるデバイス上に直接実行させることで、遅延と電力消費を低減し、ロボットシステムの自律性とプライバシーを向上させる技術です。

このインストラクター主導のライブトレーニング（オンラインまたはオンサイト）は、中級レベルの組み込み開発者やロボティクスエンジニア向けで、TinyMLとエッジAIフレームワークを使用してロボットハードウェア上で機械学習推論と最適化技術を実装することを目指しています。

このトレーニングの終了時には、参加者は以下のことをできるようになります：

• TinyMLとロボット向けエッジAIの基礎を理解する。
• デバイス内推論用にAIモデルを変換し展開する。
• モデルの速度、サイズ、エネルギー効率を最適化する。
• エッジAIシステムをロボット制御アーキテクチャに統合する。
• 実世界シナリオでの性能と精度を評価する。

コースの形式

• インタラクティブな講義とディスカッション。
• TinyMLとエッジAIツールチェーンを使用したハンズオン実践。
• 組み込みおよびロボットハードウェアプラットフォームでの実践的な演習。

コースのカスタマイズオプション

• このコースのカスタマイズ化をご希望の場合、お問い合わせください。

この講師主導のライブトレーニング（オンラインまたは対面）は、中級レベルの参加者向けに設計されており、現代の職場における協働ロボット（コボット）やその他の人間中心のAIシステムの役割を探求することを目指しています。

このトレーニングの終了時には、参加者は以下のことができるようになります：

• 人間中心の物理AIの原理とその応用を理解する。
• 協働ロボットが職場の生産性向上に果たす役割を探る。
• 人間と機械の相互作用における課題を特定し、解決する。
• 人間とAI駆動システムとの協調を最適化するワークフローを設計する。
• AI統合職場における革新性と適応力の文化を促進する。

この講師主導のライブトレーニング（オンラインまたは対面）は、人工知能がメカトロニクスシステムにどのように適用できるかを学びたいエンジニア向けです。

本トレーニング終了時には、参加者は以下のことが Able to できます：

• 人工知能、機械学習、計算知能の概要を理解します。
• ニューラルネットワークと様々な学習方法の概念を理解します。
• 実際の問題に対して効果的に人工知能アプローチを選択します。
• メカトロニクス工学におけるAIアプリケーションを実装します。

この講師主導の実践的なトレーニング（オンラインまたは対面）では、マルチモーダルAIを使用して、視覚、聴覚、触覚などのさまざまなセンサデータを統合し、より自律的で効率的なロボットを作成することを目指す上級レベルのロボットエンジニアやAI研究者を対象としています。

このトレーニング終了時には、参加者は以下のことができます：

• ロボットシステムでマルチモーダルセンシングを実装する。
• センサフュージョンと意思決定のためのAIアルゴリズムを開発する。
• 動的環境で複雑なタスクを実行できるロボットを作成する。
• 実時間データ処理とアクチュエーションの課題に対応する。

このインストラクター主導の実践トレーニング（オンラインまたはオンサイト）は、中級レベルの参加者を対象としており、知能化されたロボットシステムの設計、プログラミング、展開に関するスキルを向上させたい方々に適しています。

このトレーニングの終了時には、参加者は以下のことをできるようになります：

• 物理AIの原理とロボット工学および自動化への応用を理解する。
• 動的環境向けに知能化されたロボットシステムを設計し、プログラミングする。
• ロボットの自律的な意思決定にAIモデルを実装する。
• ロボットテストと最適化にシミュレーションツールを利用する。
• センサフュージョン、リアルタイム処理、エネルギー効率などの課題に対応する。

強化学習 (RL) は、エージェントが環境との対話によって意思決定を学ぶ機械学習のパラダイムです。ロボティクスでは、RL を通じて自律システムが経験とフィードバックを通じて適応制御や意思決定能力を開発することができます。

このインストラクター主導の実践トレーニング（オンラインまたはオンサイト）は、高度なレベルの機械学習エンジニア、ロボティクス研究者、および開発者が、強化学習アルゴリズムをロボット応用に設計、実装、展開するためのものです。

このトレーニング終了時には、参加者は以下のような能力を持つことができます：

• 強化学習の原理と数学的理解。
• Q-learning, DDPG, PPO などの RL アルゴリズムを実装する。
• OpenAI Gym と ROS 2 を使用して、ロボットシミュレーション環境に RL を統合する。
• 試行錯誤を通じてロボットが複雑なタスクを自律的に行うように訓練する。
• PyTorch のような深層学習フレームワークを使用して、トレーニングのパフォーマンスを最適化する。

コース形式

• 対話型講義とディスカッション。
• Python, PyTorch, OpenAI Gym を使用した実践的な実装。
• シミュレーションまたは物理的なロボット環境での実習。

コースカスタマイズオプション

• このコースのカスタマイズ版を希望される場合は、お問い合わせください。

スマートロボットは、環境や経験から学習し、その知識に基づいて能力を向上させることができる人工知能（AI）システムです。スマートロボットは人間と協力し、一緒に作業を行い、人の行動から学ぶことができます。また、単に手作業だけでなく、認知的なタスクも処理できます。物理的なロボットだけでなく、ソフトウェアベースのスマートロボットも存在します。これらのロボットはコンピューター内のアプリケーションとして存在し、可動部分や物理的な世界との相互作用はありません。

このインストラクター主導のライブトレーニングでは、参加者はさまざまな種類の機械的スマートロボットをプログラミングするための異なるテクノロジー、フレームワーク、および手法について学びます。その後、その知識を使って独自のスマートロボットプロジェクトを完成させます。

このコースは4つのセクションに分かれており、各セクションは3日の講義、ディスカッション、およびライブラボ環境での実践的なロボット開発で構成されています。各セクションの最後には、参加者が習得した知識を実践的に示すためのハンズオンプロジェクトがあります。

このコースの対象となるハードウェアは、シミュレーションソフトウェアを用いて3Dでシミュレートされます。ロボットのプログラミングには、ROS（Robot Operating System）オープンソースフレームワーク、C++、Pythonが使用されます。

このトレーニング終了時には、参加者は以下のことが可能になります：

• ロボット技術における主要な概念を理解する
• ロボットシステムでのソフトウェアとハードウェアの相互作用を理解し、管理する
• スマートロボットの基盤となるソフトウェアコンポーネントを理解し、実装する
• 視覚、センシング、処理、把持、ナビゲーション、音声による人間との対話ができる模擬的な機械的スマートロボットを構築して操作する
• ディープラーニングを通じてスマートロボットの複雑なタスク遂行能力を拡張する
• 現実的なシナリオでスマートロボットをテストし、トラブルシューティングを行う

対象者

• 開発者
• エンジニア

コース形式

• 講義、ディスカッション、演習、および多くの実践的な練習を組み合わせたもの

注意

• このコースのどの部分も（プログラミング言語、ロボットモデルなど）カスタマイズする場合は、ご連絡ください。

スマートロボティクスは、人工知能をロボットシステムに統合することで、より優れた知覚、意思決定、自律的な制御を実現する技術です。

この講師主導のライブトレーニング（オンラインまたはオンサイト）は、AI駆動型の知覚、計画、制御をスマート製造環境に実装することを目指す上級レベルのロボットエンジニア、システムインテグレーター、自動化リーダー向けです。

このトレーニングが終了すると、参加者は以下のことができるようになります：

• ロボットの知覚とセンサフュージョンにAI技術を理解し適用する。
• 協働ロボットや産業用ロボット向けの運動計画アルゴリズムを開発する。
• 実時間意思決定に学習ベースの制御戦略を展開する。
• 智能的なロボットシステムをスマート工場のワークフローに統合する。

コース形式

• インタラクティブな講義とディスカッション。
• 多くの演習と実践。
• ライブラボ環境でのハンズオン実装。

コースカスタマイゼーションオプション

• このコースのカスタマイズされたトレーニングを希望する場合は、ご連絡ください。