Contacta con nosotros

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
 120 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas