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 28 horas
Temario del curso
Introducción a la manipulación robótica y el aprendizaje profundo
- Vista general de las tareas de manipulación y los componentes del sistema
- Enfoques tradicionales versus enfoques basados en aprendizaje
- Aprendizaje profundo en percepción, planificación y control
Percepción para la manipulación
- Detección visual y de objetos para el agarre
- Visión 3D, sensores de profundidad y procesamiento de nubes de puntos
- Entrenamiento de CNN para la 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 (p. ej., 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 de 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 la manipulación
- Combinación de percepción, política y control en redes unificadas
- Uso de datos de demostración para el aprendizaje de políticas supervisadas
- Adaptación de dominio entre simulación y hardware real
Evaluación y optimización
- Métricas para el éxito, la estabilidad y la 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 de percepción a acción
- Entrenamiento y prueba de un modelo de detección de agarres
- Integración del modelo en un brazo robótico simulado
Requerimientos
- Comprensión sólida de la cinemática y la dinámica robótica
- Experiencia con Python y marcos de trabajo de aprendizaje profundo
- Conocimiento de ROS o middleware robótico similar
Público objetivo
- Ingenieros en robótica que desarrollan sistemas de manipulación inteligentes
- Especialistas en percepción y control que trabajan en aplicaciones de agarre
- Investigadores y profesionales avanzados en aprendizaje de robots y control basado en IA
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 5800 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
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
