Temario del curso
Introducción a la Manipulación Robótica y el Aprendizaje Profundo
- Resumen de tareas de manipulación y componentes del sistema
- Enfoques tradicionales versus basados en aprendizaje
- Aprendizaje profundo en percepción, planificación y control
Percepción para la Manipulación
- Sensores visuales y detección de objetos para el agarre
- Visión 3D, sensores de profundidad y procesamiento de nubes de puntos
- Entrenamiento de CNNs para la localización y segmentación de objetos
Planificación y Detección del Agarre
- Algoritmos clásicos de planificación de agarres
- Aprendizaje de posturas de agarre a partir de datos y simulación
- Implementación de redes de detección de agarre (por ejemplo, GGCNN, Dex-Net)
Control y Planificación del Movimiento
- Cinemática inversa y generación de trayectorias
- Planificación del movimiento basada en aprendizaje y aprendizaje por imitación
- Aprendizaje por refuerzo para políticas de control de manipulación
Integración con Entornos de Simulación y ROS 2
- Configuración de nodos ROS 2 para percepción y control
- Simulación de manipuladores robóticos en Gazebo e Isaac Sim
- Integración de modelos neuronales para el control en tiempo real
Aprendizaje de Extremo a Extremo para la Manipulación
- Combinación de percepción, política y control en redes unificadas
- Uso de datos de demostración para el aprendizaje supervisado de políticas
- Adaptación del dominio entre la simulación y el hardware real
Evaluación y Optimización
- Métricas para el éxito, estabilidad y precisión del agarre
- 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 un flujo de trabajo desde la percepción hasta la acción
- Entrenamiento y prueba de un modelo de detección de agarre
- Integración del modelo en un brazo robótico simulado
Resumen y Próximos Pasos
Requerimientos
- Sólido entendimiento de la cinemática y dinámica de la robótica
- Experiencia con Python y marcos de aprendizaje profundo
- Familiaridad con ROS o middleware robótico similar
Público Objetivo
- Ingenieros de robótica que desarrollan sistemas de manipulación inteligente
- Especialistas en percepción y control que trabajan en aplicaciones de agarre
- Investigadores y practicantes avanzados en aprendizaje robótico y control basado en IA
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
