Programa do Curso

Introdução à Manipulação Robótica e Aprendizagem Profunda

  • Visão geral das tarefas de manipulação e componentes do sistema
  • Abordagens tradicionais versus baseadas em aprendizado
  • Aprendizagem profunda na percepção, planejamento e controle

Percepção para Manipulação

  • Sensação visual e detecção de objetos para agarre
  • Visão 3D, sensores de profundidade e processamento de nuvens de pontos
  • Treinando CNNs para localização e segmentação de objetos

Planejamento e Detecção de Agarre

  • Algoritmos clássicos de planejamento de agarre
  • Aprendendo poses de agarre a partir de dados e simulação
  • Implementando redes de detecção de agarre (por exemplo, GGCNN, Dex-Net)

Controle e Planejamento de Movimento

  • Cinemática inversa e geração de trajetórias
  • Planejamento de movimento baseado em aprendizado e aprendizado por imitação
  • Aprendizagem por reforço para políticas de controle de manipulação

Integração com ROS 2 e Ambientes de Simulação

  • Configurando nós do ROS 2 para percepção e controle
  • Simulando manipuladores robóticos no Gazebo e Isaac Sim
  • Integrando modelos neurais para controle em tempo real

Aprendizagem End-to-End para Manipulação

  • Combinando percepção, política e controle em redes unificadas
  • Usando dados de demonstração para aprendizagem supervisionada de políticas
  • Adaptação de domínio entre simulação e hardware real

Avaliação e Otimização

  • Métricas para sucesso, estabilidade e precisão do agarre
  • Testes sob condições variáveis e perturbações
  • Compressão de modelos e implantação em dispositivos de borda

Projeto Prático: Agarre Robótico Baseado em Aprendizagem Profunda

  • Projetando um pipeline de percepção para ação
  • Treinando e testando um modelo de detecção de agarre
  • Integrando o modelo em um braço robótico simulado

Resumo e Próximos Passos

Requisitos

  • Compreensão sólida de cinemática e dinâmica robóticas
  • Experiência com Python e frameworks de aprendizagem profunda
  • Familiaridade com ROS ou middleware robótico similar

Público-Alvo

  • Engenheiros de robótica desenvolvendo sistemas de manipulação inteligentes
  • Especialistas em percepção e controle trabalhando em aplicações de agarre
  • Pesquisadores e profissionais avançados em aprendizado robótico e controle baseado em IA
 28 Horas

Declaração de Clientes (1)

Próximas Formações Provisórias

Categorias Relacionadas