Cursos de AI for Robotics em Matosinhos

Edge AI enables artificial intelligence models to run directly on embedded or resource-constrained devices, reducing latency and power consumption while increasing autonomy and privacy in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level embedded developers and robotics engineers who wish to implement machine learning inference and optimization techniques directly on robotic hardware using TinyML and edge AI frameworks.

By the end of this training, participants will be able to:

• Understand the fundamentals of TinyML and edge AI for robotics.
• Convert and deploy AI models for on-device inference.
• Optimize models for speed, size, and energy efficiency.
• Integrate edge AI systems into robotic control architectures.
• Evaluate performance and accuracy in real-world scenarios.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using TinyML and edge AI toolchains.
• Practical exercises on embedded and robotic hardware platforms.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta formação ao vivo, conduzida por um instrutor em Matosinhos (online ou presencial), é destinada a participantes de nível intermediário que desejam explorar o papel dos robôs colaborativos (cobots) e outros sistemas AI centrados no ser humano nos ambientes de trabalho modernos.

Ao final desta formação, os participantes serão capazes de:

• Compreender os princípios da IA Física Centrada no Ser Humano e suas aplicações.
• Explorar o papel dos robôs colaborativos na melhoria da produtividade no ambiente de trabalho.
• Identificar e abordar desafios nas interações homem-máquina.
• Projeto de fluxos de trabalho que otimizam a colaboração entre humanos e sistemas guiados por IA.
• Promover uma cultura de inovação e adaptação em ambientes de trabalho integrados com AI.

Reinforcement learning (RL) is a machine learning paradigm where agents learn to make decisions by interacting with an environment. In robotics, RL enables autonomous systems to develop adaptive control and decision-making capabilities through experience and feedback.

This instructor-led, live training (online or onsite) is aimed at advanced-level machine learning engineers, robotics researchers, and developers who wish to design, implement, and deploy reinforcement learning algorithms in robotic applications.

By the end of this training, participants will be able to:

• Understand the principles and mathematics of reinforcement learning.
• Implement RL algorithms such as Q-learning, DDPG, and PPO.
• Integrate RL with robotic simulation environments using OpenAI Gym and ROS 2.
• Train robots to perform complex tasks autonomously through trial and error.
• Optimize training performance using deep learning frameworks like PyTorch.

Format of the Course

• Interactive lecture and discussion.
• Hands-on implementation using Python, PyTorch, and OpenAI Gym.
• Practical exercises in simulated or physical robotic environments.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

OpenCV is an open-source computer vision library that enables real-time image processing, while deep learning frameworks such as TensorFlow provide the tools for intelligent perception and decision-making in robotic systems.

This instructor-led, live training (online or onsite) is aimed at intermediate-level robotics engineers, computer vision practitioners, and machine learning engineers who wish to apply computer vision and deep learning techniques for robotic perception and autonomy.

By the end of this training, participants will be able to:

• Implement computer vision pipelines using OpenCV.
• Integrate deep learning models for object detection and recognition.
• Use vision-based data for robotic control and navigation.
• Combine classical vision algorithms with deep neural networks.
• Deploy computer vision systems on embedded and robotic platforms.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using OpenCV and TensorFlow.
• Live-lab implementation on simulated or physical robotic systems.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta formação presencial em tempo real (online ou no local) está direcionada a engenheiros de robótica avançados e pesquisadores de IA que desejam utilizar IA Multimodal para integrar diversos dados sensoriais, criando robôs mais autônomos e eficientes capazes de ver, ouvir e tocar.

Ao final deste treinamento, os participantes serão capazes de:

• Implementar sensores multimodais em sistemas robóticos.
• Desenvolver algoritmos de IA para fusão sensorial e tomada de decisões.
• Criar robôs capazes de realizar tarefas complexas em ambientes dinâmicos.
• Enfrentar desafios no processamento de dados em tempo real e atuação.

ROS 2 (Robot Operating System 2) is an open-source framework designed to support the development of complex and scalable robotic applications.

This instructor-led, live training (online or onsite) is aimed at intermediate-level robotics engineers and developers who wish to implement autonomous navigation and SLAM (Simultaneous Localization and Mapping) using ROS 2.

By the end of this training, participants will be able to:

• Set up and configure ROS 2 for autonomous navigation applications.
• Implement SLAM algorithms for mapping and localization.
• Integrate sensors such as LiDAR and cameras with ROS 2.
• Simulate and test autonomous navigation in Gazebo.
• Deploy navigation stacks on physical robots.

Format of the Course

• Interactive lecture and discussion.
• Hands-on practice using ROS 2 tools and simulation environments.
• Live-lab implementation and testing on virtual or physical robots.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Esta formação ao vivo e orientada por instrutor em Matosinhos (online ou presencial) é direcionada a participantes de nível intermediário que desejam aprimorar suas habilidades na concepção, programação e implantação de sistemas robóticos inteligentes para automação e além.

Ao final desta formação, os participantes serão capazes de:

• Compreender os princípios da Physical AI e suas aplicações em robótica e automação.
• Conceber e programar sistemas robóticos inteligentes para ambientes dinâmicos.
• Implementar modelos de IA para tomada de decisões autônomas nos robôs.
• Utilizar ferramentas de simulação para testes e otimização robótica.
• Enfrentar desafios como fusão de sensores, processamento em tempo real e eficiência energética.

Robótica é uma área da inteligência artificial (IA) que lida com a programação e o design de máquinas inteligentes e eficientes.

Este treinamento liderado por instrutor (online ou presencial) destina-se a engenheiros que desejam programar e criar robôs através de métodos básicos de IA.

Ao final deste treinamento, os participantes serão capazes de:

• Implementar filtros (Kalman e partículas) para permitir que o robô localize objetos em movimento em seu ambiente.
• Implementar algoritmos de busca e planejamento de movimento.
• Implementar controles PID para regular o movimento do robô dentro de um ambiente.
• Implementar algoritmos SLAM para permitir que o robô mapeie um ambiente desconhecido.

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e práticas.
• Implementação prática em um ambiente de laboratório ao vivo.

Opções de Personalização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

Neste treinamento ao vivo com instrutor em Matosinhos (online ou presencial), os participantes aprenderão as diferentes tecnologias, frameworks e técnicas para programar diversos tipos de robôs a serem utilizados no campo da tecnologia nuclear e sistemas ambientais.

O curso de 6 semanas é realizado 5 dias por semana. Cada dia tem duração de 4 horas e consiste em palestras, discussões e desenvolvimento de robôs práticos em um ambiente de laboratório vivo. Os participantes completarão vários projetos do mundo real aplicáveis ao seu trabalho para praticar o conhecimento adquirido.

O hardware alvo deste curso será simulado em 3D através de software de simulação. O framework open-source ROS (Robot Operating System), C++ e Python serão utilizados para programar os robôs.

Ao final deste treinamento, os participantes serão capazes de:

• Compreender os conceitos-chave usados em tecnologias robóticas.
• Compreender e gerenciar a interação entre software e hardware em um sistema robótico.
• Compreender e implementar os componentes de software que sustentam a robótica.
• Construir e operar um robô mecânico simulado que possa ver, sentir, processar, navegar e interagir com humanos através da voz.
• Compreender os elementos necessários de inteligência artificial (aprendizado de máquina, aprendizado profundo, etc.) aplicáveis à construção de um robô inteligente.
• Implementar filtros (Kalman e Particle) para permitir que o robô localize objetos em movimento no seu ambiente.
• Implementar algoritmos de busca e planejamento de movimentos.
• Implementar controles PID para regular o movimento do robô dentro de um ambiente.
• Implementar algoritmos SLAM para permitir que o robô mapeie um ambiente desconhecido.
• Estender a capacidade do robô para realizar tarefas complexas através do aprendizado profundo.
• Testar e solucionar problemas de um robô em cenários realistas.

Neste treinamento ao vivo, conduzido por um instrutor em Matosinhos (online ou presencial), os participantes aprenderão as diferentes tecnologias, frameworks e técnicas para programar diversos tipos de robôs a serem utilizados na área de tecnologia nuclear e sistemas ambientais.

O curso de 4 semanas é realizado de segunda à sexta. Cada dia tem duração de 4 horas e consiste em palestras, discussões e desenvolvimento prático de robôs em um ambiente de laboratório ao vivo. Os participantes completarão vários projetos do mundo real aplicáveis ao seu trabalho para praticar o conhecimento adquirido.

O hardware alvo deste curso será simulado em 3D por meio de software de simulação. Em seguida, o código será carregado no hardware físico (Arduino ou outro) para testes finais de implantação. O framework open-source ROS (Robot Operating System), C++ e Python serão utilizados para programar os robôs.

Ao final deste treinamento, os participantes poderão:

• Entender os conceitos-chave usados em tecnologias de robótica.
• Entender e gerenciar a interação entre software e hardware em um sistema robótico.
• Compreender e implementar os componentes de software que sustentam a robótica.
• Construir e operar um robô mecânico simulado capaz de ver, sentir, processar, navegar e interagir com humanos através da voz.
• Entender os elementos necessários da inteligência artificial (aprendizado de máquina, aprendizado profundo etc.) aplicáveis à construção de um robô inteligente.
• Implementar filtros (Kalman e Particle) para permitir que o robô localize objetos em movimento no seu ambiente.
• Implementar algoritmos de busca e planejamento de movimento.
• Implementar controles PID para regular os movimentos do robô dentro de um ambiente.
• Implementar algoritmos SLAM para permitir que o robô mapeie um ambiente desconhecido.
• Testar e solucionar problemas em cenários realistas com o robô.

Este treinamento presencial, conduzido pelo instrutor em Matosinhos (online ou no local), é voltado para engenheiros que desejam aprender sobre a aplicabilidade da inteligência artificial aos sistemas mecatrônicos.

Ao final deste treinamento, os participantes serão capazes de:

• Obter uma visão geral de inteligência artificial, aprendizado de máquina e inteligência computacional.
• Compreender os conceitos de redes neurais e diferentes métodos de aprendizado.
• Escolher abordagens de inteligência artificial eficazmente para problemas reais.
• Implementar aplicações de IA em engenharia mecatrônica.