Temario del curso
Semana 01
Introducción
- ¿Qué hace que un robot sea inteligente?
Robots físicos vs. robots virtuales
- Robots inteligentes, máquinas inteligentes, máquinas con sensibilidad y automatización de procesos robóticos (RPA), entre otros.
El papel de la Inteligencia Artificial (IA) en la robótica
- Más allá de "si-entonces-sino" y la máquina de aprendizaje
- Los algoritmos detrás de la IA
- Aprendizaje automático, visión por computadora, procesamiento del lenguaje natural (PLN), etc.
- Robótica cognitiva
El papel del Big Data en la robótica
- Toma de decisiones basada en datos y patrones
La nube y la robótica
- Vincular la robótica con las tecnologías de la información (TI)
- Construir robots más funcionales que accedan a más información y colaboren
Estudio de caso: Robots industriales
-
Robots mecánicos
- Baxter
-
Robots en instalaciones nucleares
- Detección y protección contra la radiación
-
Robots en reactores nucleares
- Detección y protección contra la radiación
Componentes de hardware de un robot
- Motores, sensores, microcontroladores, cámaras, etc.
Elementos comunes de los robots
- Visión artificial, reconocimiento de voz, síntesis de voz, detección de proximidad, detección de presión, etc.
Marcos de trabajo de desarrollo para programar un robot
- Marcos de trabajo de código abierto y comerciales
-
Sistema Operativo para Robots (ROS)
- Arquitectura: espacio de trabajo, temas, mensajes, servicios, nodos, bibliotecas de acción, herramientas, etc.
Lenguajes para programar un robot
- C++ para control de bajo nivel
- Python para orquestación
- Programación de nodos ROS en Python y C++
- Otros lenguajes
Herramientas para simular un robot físico
- Software de simulación y visualización 3D comercial y de código abierto
Semana 02
Preparación del entorno de desarrollo
- Instalación y configuración de software
- Paquetes y utilidades útiles
Estudio de caso: Robots mecánicos
- Robots en el campo de la tecnología nuclear
- Robots en sistemas ambientales
Programación del robot
- Programación de un nodo en Python y C++
- Comprensión del nodo ROS
- Mensajes y temas en ROS
- Paradigma de publicación/suscripción
- Proyecto: "Bump & Go" con robot real
- Solución de problemas
- Simulación de robots con Gazebo/ROS
- Marcos en ROS y cambios de referencia
- Procesamiento de información 2D de cámaras con OpenCV
- Procesamiento de información de un láser
- Proyecto: Seguimiento seguro de objetos por color
- Solución de problemas
Semana 03
Programación del robot (continuación)
- Servicios en ROS
- Procesamiento de información 3D de sensores RGB-D con PCL
- Mapas y navegación con ROS
- Proyecto: Búsqueda de objetos en el entorno
- Solución de problemas
Programación del robot (continuación)
- ActionLib
- Reconocimiento y generación de voz
- Control de brazos robóticos con MoveIt!
- Control del cuello robótico para visión activa
- Proyecto: Búsqueda y recolección de objetos
- Solución de problemas
Pruebas de su robot
- Pruebas unitarias
Semana 04
Ampliación de las capacidades de un robot con aprendizaje profundo (Deep Learning)
- Percepción: visión, audio y háptica
- Representación del conocimiento
- Reconocimiento de voz mediante PLN (procesamiento del lenguaje natural)
- Visión por computadora
Curso intensivo de aprendizaje profundo (Deep Learning)
- Redes neuronales artificiales (RNA)
- Redes neuronales artificiales vs. redes neuronales biológicas
- Redes neuronales de propagación hacia adelante
- Funciones de activación
- Entrenamiento de redes neuronales artificiales
Curso intensivo de aprendizaje profundo (Deep Learning) (continuación)
-
Modelos de aprendizaje profundo
- Redes convolucionales y redes recurrentes
-
Redes neuronales convolucionales (CNN o ConvNets)
- Capa convolucional
- Capa de agrupación (Pooling)
- Arquitectura de redes neuronales convolucionales
Semana 05
Curso intensivo de aprendizaje profundo (Deep Learning) (continuación)
-
Redes neuronales recurrentes (RNN)
- Entrenamiento de una RNN
- Estabilización de gradientes durante el entrenamiento
- Redes de memoria a corto y largo plazo (LSTM)
-
Plataformas de aprendizaje profundo y bibliotecas de software
- Aprendizaje profundo en ROS
Uso del Big Data en su robot
- Conceptos de Big Data
- Enfoques para el análisis de datos
- Herramientas de Big Data
- Reconocimiento de patrones en los datos
- Ejercicio: PLN y visión por computadora en grandes conjuntos de datos
Uso del Big Data en su robot (continuación)
- Procesamiento distribuido de grandes conjuntos de datos
- Coexistencia y fertilización cruzada del Big Data y la robótica
-
El robot como generador de datos
- Sensores de medición de rango, posición, visuales, táctiles y otras modalidades
- Interpretación de datos sensoriales (bucle percibir-planear-actuar)
- Ejercicio: Captura de datos en flujo
Programación de un robot autónomo con aprendizaje profundo
- Componentes de un robot con aprendizaje profundo
- Configuración del simulador de robots
- Ejecución de una red neuronal acelerada con CUDA mediante Caffe
- Solución de problemas
Semana 06
Programación de un robot autónomo con aprendizaje profundo (continuación)
- Reconocimiento de objetos en fotografías o flujos de video
- Habilitación de la visión por computadora con OpenCV
- Solución de problemas
Análisis de datos
- Uso del robot para recolectar y organizar nuevos datos
- Herramientas y procesos para interpretar los datos
Implementación de un robot
- Transición de un robot simulado a hardware físico
- Implementación del robot en el mundo físico
- Monitoreo y mantenimiento de robots en el campo
Protección de su robot
- Prevención de manipulaciones no autorizadas
- Prevención de que los hackers accedan y roben datos sensibles
Construcción colaborativa de un robot
- Construcción de un robot en la nube
- Integración en la comunidad de robótica
Perspectivas futuras de los robots en el campo científico y energético
Resumen y conclusión
Requerimientos
- Experiencia en programación con C o C++
- Experiencia en programación con Python (útil pero no indispensable; puede enseñarse como parte del curso)
- Experiencia con la línea de comandos de Linux
Audiencia
- Desarrolladores
- Ingenieros
- Científicos
- Técnicos
Testimonios (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