TinyML para Sistemas Autónomos y Robótica

La Inteligencia Artificial (IA) para la Robótica combina el aprendizaje automático, los sistemas de control y la fusión de sensores para crear máquinas inteligentes capaces de percibir, razonar y actuar de manera autónoma. Con herramientas modernas como ROS 2, TensorFlow y OpenCV, los ingenieros ahora pueden diseñar robots que naveguen, planifiquen e interactúen con entornos del mundo real de manera inteligente.

Este entrenamiento dirigido por un instructor (en línea o en sitio) está destinado a ingenieros de nivel intermedio que deseen desarrollar, entrenar y desplegar sistemas robóticos impulsados por IA utilizando tecnologías y marcos de código abierto actuales.

Al final de este entrenamiento, los participantes serán capaces de:

• Usar Python y ROS 2 para construir y simular comportamientos robóticos.
• Implementar Filtros de Kalman y Partículas para la localización y seguimiento.
• Aplicar técnicas de visión por computadora utilizando OpenCV para la percepción y detección de objetos.
• Usar TensorFlow para la predicción del movimiento y el control basado en aprendizaje.
• Integrar SLAM (Localización y Mapeo Simultáneos) para la navegación autónoma.
• Desarrollar modelos de aprendizaje por refuerzo para mejorar la toma de decisiones robóticas.

Formato del Curso

• Conferencia interactiva y discusión.
• Implementación práctica utilizando ROS 2 y Python.
• Ejercicios prácticos con entornos robóticos simulados y reales.

Opciones de Personalización del Curso

Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para hacer los arreglos.

En este curso dirigido por un instructor (en línea o en las instalaciones del cliente) España, los participantes aprenderán diferentes tecnologías, marcos y técnicas para programar diversos tipos de robots destinados al campo de la tecnología nuclear y sistemas ambientales.

El curso de 6 semanas se realiza 5 días a la semana. Cada día dura 4 horas y consta de conferencias, discusiones y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán varios proyectos del mundo real aplicables a su trabajo para practicar el conocimiento adquirido.

El hardware objetivo de este curso se simulará en 3D a través de software de simulación. Se utilizarán el marco de código abierto ROS (Robot Operating System), C++ y Python para programar los robots.

Al final de este entrenamiento, los participantes serán capaces de:

• Comprender los conceptos clave utilizados en tecnologías robóticas.
• Comprender y gestionar la interacción entre software y hardware en un sistema robótico.
• Comprender e implementar los componentes de software que subyacen a la robótica.
• Construir y operar un robot mecánico simulado que pueda ver, sentir, procesar, navegar y interactuar con humanos mediante el habla.
• Comprender los elementos necesarios de la inteligencia artificial (aprendizaje automático, aprendizaje profundo, etc.) aplicables a la construcción de un robot inteligente.
• Implementar filtros (Kalman y Particle) para que el robot pueda localizar objetos en movimiento en su entorno.
• Implementar algoritmos de búsqueda y planificación de movimientos.
• Implementar controles PID para regular el movimiento del robot dentro de un entorno.
• Implementar algoritmos SLAM para que el robot pueda mapear un entorno desconocido.
• Extender la capacidad del robot para realizar tareas complejas mediante el aprendizaje profundo.
• Probar y solucionar problemas de un robot en escenarios realistas.

En este entrenamiento guiado por un instructor en España (en línea o presencial), los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diversos tipos de robots destinados a ser utilizados en el campo de la tecnología nuclear y sistemas ambientales.

El curso de 4 semanas se realiza 5 días a la semana. Cada día dura 4 horas y consiste en conferencias, discusiones y desarrollo práctico de robots en un entorno de laboratorio en vivo. Los participantes completarán diversos proyectos del mundo real aplicables a su trabajo para practicar los conocimientos adquiridos.

El hardware objetivo de este curso será simulado en 3D mediante software de simulación. Luego, el código se cargará en hardware físico (Arduino u otro) para pruebas finales de implementación. Se utilizará el marco de trabajo de código abierto ROS (Robot Operating System), C++ y Python para programar los robots.

Al finalizar este entrenamiento, los participantes podrán:

• Entender los conceptos clave utilizados en tecnologías robóticas.
• Comprender y gestionar la interacción entre software y hardware en un sistema robótico.
• Entender e implementar los componentes de software que subyacen a la robótica.
• Construir y operar un robot mecánico simulado que pueda ver, sentir, procesar, navegar e interactuar con humanos mediante voz.
• Entender los elementos necesarios de la inteligencia artificial (aprendizaje automático, aprendizaje profundo, etc.) aplicables a la construcción de un robot inteligente.
• Implementar filtros (Kalman y Particle) para que el robot pueda localizar objetos en movimiento en su entorno.
• Implementar algoritmos de búsqueda y planificación de movimientos.
• Implementar controles PID para regular el movimiento del robot dentro de un entorno.
• Implementar algoritmos SLAM para que el robot pueda mapear un entorno desconocido.
• Probar y solucionar problemas de un robot en escenarios realistas.

ROS 2 (Robot Operating System 2) es un marco de trabajo de código abierto diseñado para apoyar el desarrollo de aplicaciones robóticas complejas y escalables.

Este entrenamiento en vivo dirigido por un instructor (en línea o presencial) está destinado a ingenieros y desarrolladores de robótica de nivel intermedio que deseen implementar la navegación autónoma y SLAM (Simultaneous Localization and Mapping) utilizando ROS 2.

Al final de este entrenamiento, los participantes podrán:

• Configurar e instalar ROS 2 para aplicaciones de navegación autónoma.
• Implementar algoritmos SLAM para mapeo y localización.
• Integrar sensores como LiDAR y cámaras con ROS 2.
• Simular y probar la navegación autónoma en Gazebo.
• Desplegar pilas de navegación en robots físicos.

Formato del Curso

• Lectura y discusión interactiva.
• Práctica práctica utilizando herramientas de ROS 2 y entornos de simulación.
• Implementación y prueba en laboratorio en vivo en robots virtuales o físicos.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para hacer los arreglos.

El servicio Azure Bot combina el poder del Microsoft Bot Framework y las funciones de Azure para permitir un desarrollo rápido de bots inteligentes.

En este entrenamiento en vivo dirigido por un instructor, los participantes aprenderán cómo crear fácilmente un bot inteligente utilizando Microsoft Azure

Al finalizar este entrenamiento, los participantes podrán:

• Aprender los fundamentos de los bots inteligentes
• Aprender a crear bots inteligentes utilizando aplicaciones en la nube
• Entender cómo usar el Microsoft Bot Framework, el Bot Builder SDK y el Azure Bot Service
• Comprender cómo diseñar bots usando patrones de bots
• Desarrollar su primer bot inteligente utilizando Microsoft Azure

Audiencia

• Desarrolladores
• Hobbyistas
• Ingenieros
• Profesionales de TI

Formato del curso

• Parte conferencia, parte discusión, ejercicios y mucha práctica hands-on

OpenCV es una biblioteca de visión por computadora de código abierto que permite el procesamiento de imágenes en tiempo real, mientras que los marcos de aprendizaje profundo como TensorFlow proporcionan las herramientas para la percepción y toma de decisiones inteligentes en sistemas robóticos.

Este entrenamiento dirigido por un instructor (en línea o presencial) está destinado a ingenieros de robótica intermedios, practicantes de visión por computadora y ingenieros de aprendizaje automático que deseen aplicar técnicas de visión por computadora y aprendizaje profundo para la percepción y autonomía robóticas.

Al final de este entrenamiento, los participantes podrán:

• Implementar pipelines de visión por computadora utilizando OpenCV.
• Integrar modelos de aprendizaje profundo para la detección y reconocimiento de objetos.
• Utilizar datos basados en visión para el control y navegación robóticos.
• Combinar algoritmos clásicos de visión con redes neuronales profundas.
• Implementar sistemas de visión por computadora en plataformas embebidas y robóticas.

Formato del Curso

• Lectura interactiva y discusión.
• Práctica práctica utilizando OpenCV y TensorFlow.
• Implementación en laboratorio en vivo en sistemas robóticos simulados o físicos.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para organizarlo.

Un bot o chatbot es como un asistente informático que se utiliza para automatizar las interacciones de los usuarios en varias plataformas de mensajería y hacer las cosas más rápido sin necesidad de que los usuarios hablen con otro humano.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo comenzar a desarrollar un bot a medida que avanzan en la creación de chatbots de muestra utilizando herramientas y marcos de desarrollo de bots.

Al final de esta capacitación, los participantes serán capaces de:

• Comprender los diferentes usos y aplicaciones de los bots
• Comprender el proceso completo en el desarrollo de bots
• Explora las diferentes herramientas y plataformas utilizadas en la creación de bots
• Crear un chatbot de muestra para Facebook Messenger
• Creación de un chatbot de ejemplo con Microsoft Bot Framework

Audiencia

• Desarrolladores interesados en crear su propio bot

Formato del curso

• Parte conferencia, parte discusión, ejercicios y práctica práctica intensa

El Edge AI permite que los modelos de inteligencia artificial se ejecuten directamente en dispositivos incrustados o con recursos limitados, reduciendo la latencia y el consumo de energía mientras aumenta la autonomía y la privacidad en sistemas robóticos.

Este entrenamiento dirigido por un instructor (en línea o en sitio) está destinado a desarrolladores incrustados de nivel intermedio e ingenieros robóticos que deseen implementar técnicas de inferencia y optimización de aprendizaje automático directamente en el hardware robótico utilizando TinyML y marcos de Edge AI.

Al final de este entrenamiento, los participantes serán capaces de:

• Comprender los fundamentos de TinyML y Edge AI para la robótica.
• Convertir e implementar modelos de IA para inferencia en dispositivo.
• Optimizar modelos para velocidad, tamaño y eficiencia energética.
• Integrar sistemas de Edge AI en arquitecturas de control robótico.
• Evaluar el rendimiento y la precisión en escenarios del mundo real.

Formato del Curso

• Conferencia interactiva y discusión.
• Ejercicio práctico utilizando cadenas de herramientas de TinyML y Edge AI.
• Ejercicios prácticos en plataformas de hardware incrustado y robótico.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para arreglarlo.

Este entrenamiento dirigido por un instructor en España (en línea o presencial) está destinado a participantes de nivel intermedio que deseen explorar el papel de los robots colaborativos (cobots) y otros sistemas de IA centrados en el ser humano en los lugares de trabajo modernos.

Al finalizar este entrenamiento, los participantes podrán:

• Entender los principios de la IA Física Centrada en el Ser Humano y sus aplicaciones.
• Explorar el papel de los robots colaborativos en el aumento de la productividad laboral.
• Identificar y abordar desafíos en las interacciones humano-máquina.
• Diseñar flujos de trabajo que optimicen la colaboración entre humanos y sistemas impulsados por IA.
• Promover una cultura de innovación y adaptabilidad en los lugares de trabajo integrados con IA.

Este curso de capacitación dirigido por un instructor (en línea o en las instalaciones del cliente) está destinado a ingenieros que deseen aprender sobre la aplicabilidad de la inteligencia artificial en los sistemas mecatrónicos.

Al finalizar este curso, los participantes serán capaces de:

• Obtener una visión general de la inteligencia artificial, el aprendizaje automático y la inteligencia computacional.
• Comprender los conceptos de las redes neuronales y los diferentes métodos de aprendizaje.
• Elegir eficazmente enfoques de inteligencia artificial para problemas reales.
• Implementar aplicaciones de IA en la ingeniería mecatrónica.

Este entrenamiento dirigido por un instructor (en línea o en el lugar) está dirigido a ingenieros de robótica y investigadores de IA de nivel avanzado que deseen utilizar la IA multimodal para integrar diversos datos sensoriales y crear robots más autónomos y eficientes que puedan ver, escuchar y tocar.

Al finalizar este entrenamiento, los participantes podrán:

• Implementar la percepción multimodal en sistemas robóticos.
• Desarrollar algoritmos de IA para la fusión de sensores y la toma de decisiones.
• Crear robots que puedan realizar tareas complejas en entornos dinámicos.
• Afrontar desafíos en el procesamiento de datos en tiempo real y la actuación.

Este entrenamiento dirigido por un instructor (en línea o en el sitio) está destinado a participantes de nivel intermedio que desean mejorar sus habilidades en el diseño, programación y implementación de sistemas robóticos inteligentes para la automatización y más allá.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender los principios de la IA Física y sus aplicaciones en robótica y automatización.
• Diseñar y programar sistemas robóticos inteligentes para entornos dinámicos.
• Implementar modelos de IA para la toma de decisiones autónomas en robots.
• Aprovechar herramientas de simulación para la prueba y optimización de robots.
• Abordar desafíos como la fusión de sensores, el procesamiento en tiempo real y la eficiencia energética.

Aprendizaje por refuerzo (RL) es un paradigma de aprendizaje automático donde los agentes aprenden a tomar decisiones interactuando con un entorno. En robótica, RL permite que los sistemas autónomos desarrollen capacidades de control y toma de decisiones adaptativas a través de la experiencia y el feedback.

Esta capacitación dirigida por un instructor (en línea o en sitio) está orientada a ingenieros de aprendizaje automático avanzados, investigadores de robótica y desarrolladores que desean diseñar, implementar y desplegar algoritmos de aprendizaje por refuerzo en aplicaciones robóticas.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los principios y las matemáticas del aprendizaje por refuerzo.
• Implementar algoritmos de RL como Q-learning, DDPG y PPO.
• Integrar RL con entornos de simulación robótica utilizando OpenAI Gym y ROS 2.
• Entrenar robots para realizar tareas complejas de manera autónoma a través del ensayo y error.
• Optimizar el rendimiento del entrenamiento usando frameworks de aprendizaje profundo como PyTorch.

Formato del Curso

• Lectura interactiva y discusión.
• Implementación práctica usando Python, PyTorch y OpenAI Gym.
• Ejercicios prácticos en entornos de simulación o robótica física.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para arreglarlo.

Un robot inteligente es un sistema Artificial Intelligence (AI) que puede aprender de su entorno y de su experiencia y aprovechar sus capacidades en función de ese conocimiento. Smart Robots puede colaborar con los humanos, trabajando junto a ellos y aprendiendo de su comportamiento. Además, tienen la capacidad no solo para el trabajo manual, sino también para tareas cognitivas. Además de los robots físicos, Smart Robots también pueden estar puramente basados en software, residiendo en una computadora como una aplicación de software sin partes móviles ni interacción física con el mundo.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán las diferentes tecnologías, marcos y técnicas para programar diferentes tipos de mecánica Smart Robots, y luego aplicarán este conocimiento para completar sus propios proyectos de Smart Robot.

El curso se divide en 4 secciones, cada una de las cuales consta de tres días de conferencias, debates y desarrollo práctico de robots en un entorno de laboratorio en vivo. Cada sección concluirá con un proyecto práctico para permitir que los participantes practiquen y demuestren sus conocimientos adquiridos.

El hardware objetivo de este curso se simulará en 3D a través de software de simulación. El marco de código abierto ROS (Robot Operating System), C++ y Python se utilizará para programar los robots.

Al final de esta formación, los participantes serán capaces de:

• Comprender los conceptos clave utilizados en las tecnologías robóticas
• Comprender y gestionar la interacción entre el software y el hardware en un sistema robótico
• Comprender e implementar los componentes de software que sustentan Smart Robots
• Construya y opere un robot inteligente mecánico simulado que pueda ver, sentir, procesar, agarrar, navegar e interactuar con humanos a través de la voz
• Amplíe la capacidad de un robot inteligente para realizar tareas complejas a través de Deep Learning
• Pruebe y solucione problemas de un robot inteligente en escenarios realistas

Audiencia

• Desarrolladores
• Ingenieros

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica intensa

Nota

• Para personalizar cualquier parte de este curso (lenguaje de programación, modelo de robot, etc.) por favor póngase en contacto con nosotros para concertarlo.

Smart Robotics es la integración de inteligencia artificial en sistemas robóticos para mejorar la percepción, toma de decisiones y control autónomo.

Este entrenamiento dirigido por instructores (en línea o presencial) está destinado a ingenieros avanzados en robótica, integradores de sistemas y líderes en automatización que desean implementar percepción, planificación y control impulsados por IA en entornos de fabricación inteligente.

Al finalizar este entrenamiento, los participantes podrán:

• Comprender y aplicar técnicas de IA para la percepción robótica y fusión de sensores.
• Desarrollar algoritmos de planificación de movimiento para robots colaborativos e industriales.
• Implementar estrategias de control basadas en aprendizaje para la toma de decisiones en tiempo real.
• Integrar sistemas robóticos inteligentes en flujos de trabajo de fábricas inteligentes.

Formato del Curso

• Conferencia interactiva y discusión.
• Muchas actividades y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones para la Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para coordinar.