Seminar  /  24.6.2020  -  25.6.2020

Cognitive Robotics

Industrieroboter und fahrerlose Transportfahrzeuge (FTS) sind aus der heutigen Produktionstechnik nicht mehr wegzudenken. Sie führen repetitive Tätigkeiten wiederholgenau und ermüdungsfrei durch. Mit 2D/3D-Kameras, Kraft-Momenten- und anderen Sensoren können sie Prozessunsicherheiten erkennen. Die Programmierung und Parametrierung der Auswertealgorithmen erfolgte früher durch Experten, wird aber zukünftig durch lernende Verfahren verdrängt. Das ermöglicht den Robotersystemen, sich autonom auf sich verändernde Umgebungsbedingungen einzustellen und sich zu optimieren.

In der Schulung erwerben Sie Kenntnisse in verschiedenen Lernverfahren und deren Einsatzmöglichkeiten für lernende Roboter anhand von zahlreichen Praxisbeispielen. Die Vorträge werden auf Deutsch gehalten und das Kursmaterial wird in englischer Sprache bereitgestellt.

Die Schulung ist Teil des Fortbildungsprogramms für das Zertifikat »Data Scientist Specialized in Deep Learning« und baut auf dem Grundlagenkurs »Aktuelle Methoden des Maschinellen Lernens« auf. Sie haben die Möglichkeit, sich auch direkt zum Kurs »Cognitive Robotics« anzumelden. Dabei sollten Sie bereits Vorkenntnisse in Deep Learning, Grundkenntnisse in Statistik, maschinellem Lernen und solide Programmiererfahrung in Python besitzen. Weitere Informationen zur Zertifizierung finden Sie hier.


 

Themen

Tag 1

Aktuelle und zukünftige Anwendungsgebiete von Machine Learning (ML) und Deep Learning in der Automatisierungstechnik und Robotik

Methodenbaukasten für ML und Robotik

Objekterkennung und -lokalisierung für pick&place-Anwendungen

Deep Reinforcement Learning für Robotik

 

Tag 2

Datengenerierung mittels Simulationsumgebung und Generative Adversarial Networks (GANs)

Transfer Learning

ML-Best Practice Beispiele des Fraunhofer IPA

 

Praxisphase

Übungen im virtuellen Lernlabor im Umfang von zwei Arbeitstagen im Zeitraum von zwei Monaten

 

Zielgruppe

Data Scientists und Analysten, die ihre Fähigkeiten zur Anwendung maschineller Lernverfahren auf Roboter ausweiten wollen, Softwareentwickler/-architekten für Automatisierungslösungen mit Robotern, Interessierte aus der Forschung