Contacta con nosotros

Temario del curso

Introducción a la manipulación robótica y al aprendizaje profundo

  • Visión general de las tareas de manipulación y componentes del sistema
  • Enfoques tradicionales frente a enfoques basados en aprendizaje
  • Aprendizaje profundo en percepción, planificación y control

Percepción para manipulación

  • Sensores visuales y detección de objetos para agarre
  • Visión 3D, sensores de profundidad y procesamiento de nubes de puntos
  • Entrenamiento de CNNs para localización y segmentación de objetos

Planificación y detección de agarres

  • Algoritmos clásicos de planificación de agarres
  • Aprendizaje de poses de agarre a partir de datos y simulación
  • Implementación de redes de detección de agarres (por ejemplo, GGCNN, Dex-Net)

Control y planificación de movimientos

  • Cinemática inversa y generación de trayectorias
  • Planificación de movimientos basada en aprendizaje y aprendizaje por imitación
  • Aprendizaje por refuerzo para políticas de control de manipulación

Integración con ROS 2 y entornos de simulación

  • Configuración de nodos ROS 2 para percepción y control
  • Simulación de manipuladores robóticos en Gazebo e Isaac Sim
  • Integración de modelos neuronales para control en tiempo real

Aprendizaje de extremo a extremo para manipulación

  • Combinación de percepción, política y control en redes unificadas
  • Uso de datos de demostración para aprendizaje supervisado de políticas
  • Adaptación de dominio entre simulación y hardware real

Evaluación y optimización

  • Métricas para éxito del agarre, estabilidad y precisión
  • Pruebas bajo condiciones variables y perturbaciones
  • Compresión de modelos y despliegue en dispositivos de borde

Proyecto práctico: Agarre robótico basado en aprendizaje profundo

  • Diseño de una tubería de percepción a acción
  • Entrenamiento y prueba de un modelo de detección de agarres
  • Integración del modelo en un brazo robótico simulado

Resumen y siguientes pasos

Requerimientos

  • Sólido conocimiento de cinemática y dinámica robótica
  • Experiencia con Python y frameworks de aprendizaje profundo
  • Familiaridad con ROS o middleware robótico similar

Audiencia

  • Ingenieros robóticos que desarrollen sistemas de manipulación inteligente
  • Especialistas en percepción y control que trabajen en aplicaciones de agarre
  • Investigadores y practicantes avanzados en aprendizaje robótico y control basado en IA
 28 Horas

Número de participantes


Precio por participante

Testimonios (2)

Próximos cursos

Categorías Relacionadas