Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 21 horas
Temario del curso
Fundamentos de TinyML para robótica
- Capacidades y restricciones clave de TinyML
- El papel de la IA de borde en los sistemas autónomos
- Consideraciones de hardware para robots móviles y drones
Hardware embebido e interfaces de sensores
- Microcontroladores y placas embebidas para robótica
- Integración de cámaras, IMUs y sensores de proximidad
- Gestión de energía y presupuesto de cálculo
Ingeniería de datos para la percepción robótica
- Recopilación y etiquetado de datos para tareas de robótica
- Técnicas de preprocesamiento de señales e imágenes
- Estrategias de extracción de características para dispositivos con recursos limitados
Desarrollo y optimización de modelos
- Selección de arquitecturas para percepción, detección y clasificación
- Flujos de entrenamiento para ML embebido
- Compresión de modelos, cuantización y optimización de latencia
Percepción y control en el dispositivo
- Ejecución de inferencia en microcontroladores
- Fusión de salidas de TinyML con algoritmos de control
- Seguridad y respuesta en tiempo real
Mejoras en la navegación autónoma
- Navegación basada en visión ligera
- Detección y evasión de obstáculos
- Conciencia del entorno bajo restricciones de recursos
Pruebas y validación de robots impulsados por TinyML
- Herramientas de simulación y enfoques de prueba en campo
- Métricas de rendimiento para la autonomía embebida
- Depuración y mejora iterativa
Integración en plataformas de robótica
- Implementación de TinyML dentro de flujos basados en ROS
- Interfaz de modelos de ML con controladores de motores
- Mantenimiento de la fiabilidad entre variaciones de hardware
Resumen y próximos pasos
Requerimientos
- Comprensión de las arquitecturas de sistemas de robótica
- Experiencia en desarrollo embebido
- Conocimiento de los conceptos de aprendizaje automático
Público objetivo
- Ingenieros de robótica
- Investigadores en IA
- Desarrolladores embebidos
Reseñas (2)
Suministro de los materiales (máquina virtual) para comenzar directamente con los ejercicios y explicación del núcleo de ROS2. Por qué las cosas funcionan de cierta manera.
Arjan Bakema
Curso - Autonomous Navigation & SLAM with ROS 2
Traducción Automática
su conocimiento y utilización de la IA para la robótica en el futuro.
Ryle - PHILIPPINE MILITARY ACADEMY
Curso - Artificial Intelligence (AI) for Robotics
Traducción Automática