Intelligence artificielle pour la robotique

Aperçu

This course dives deep into the integration of artificial intelligence and machine learning within robotics. You will learn to build intelligent robots capable of performing real-world tasks using ROS 2, Python, OpenCV, and advanced AI/ML techniques.

By focusing on neural networks, computer vision, and natural language processing, this course will help you enhance robot functionality for complex tasks. Throughout the course, you will improve your skills in applying AI and ML techniques, implementing object recognition systems, and navigating robots.

The content is designed for hands-on learning, allowing you to work on practical problems while developing a real-world understanding of intelligent robotics systems. What sets this course apart is its unique combination of theory and practical application.

The course integrates state-of-the-art AI/ML concepts into the design and development of robotics projects, equipping you with the tools to work on intelligent robot systems. The hands-on approach makes the theoretical knowledge more accessible and applicable in real-life scenarios.

This course is perfect for robotics engineers, AI/ML enthusiasts, and students with a background in Python and electronics. If you're looking to create smarter, more capable robots, this course will help you take your skills to the next level.

Programme

• Les Fondements de la Robotique et de l'Intelligence Artificielle
Dans cette section, nous explorons l'intégration de l'IA dans la robotique, en nous concentrant sur la prise de décision, l'apprentissage et l'autonomie. Les concepts clés incluent les réseaux neuronaux, l'apprentissage par renforcement et la conception de comportements autonomes.
• Configurer Votre Robot
Dans cette section, nous explorons l'anatomie du robot, l'architecture à subsomption et la configuration de ROS 2 pour permettre le développement pratique de systèmes robotiques à travers une configuration matérielle et logicielle structurée.
• Conceptualiser le Processus de Conception Pratique de Robots
Dans cette section, nous explorons les principes d'ingénierie des systèmes pour la conception de robots, en nous concentrant sur les cas d'utilisation, les scénarios et les exigences matérielles/logiciels pour guider le développement pratique de tâches robotiques.
• Reconnaître des Objets à l'Aide de Réseaux Neuronaux et d'Apprentissage Supervisé
Dans cette section, nous explorons l'utilisation des réseaux neuronaux convolutifs (CNN) et YOLOv8 pour la reconnaissance d'objets, en nous concentrant sur le traitement d'image, l'apprentissage supervisé et les applications réelles en robotique et IA.
• Ramasser et Ranger des Jouets à l'Aide de l'Apprentissage par Renforcement et d'Algorithmes Génétiques
Dans cette section, nous explorons la formation de robots à l'aide de l'apprentissage par renforcement et des algorithmes génétiques. Les concepts clés incluent l'apprentissage Q pour la préhension et la planification de trajectoire basée sur les algorithmes génétiques pour la manipulation autonome.
• Apprendre à un Robot à Écouter
Dans cette section, nous explorons la reconnaissance vocale des robots en utilisant le NLP, STT, et TTS, et mettons en œuvre le traitement des commandes avec Mycroft pour améliorer la compréhension du langage naturel et la génération de réponses.
• Apprendre au Robot à Naviguer et à Éviter les Escaliers
Dans cette section, nous explorons les stratégies de navigation robotique sans SLAM, en nous concentrant sur l'évitement d'obstacles piloté par l'IA et le mouvement basé sur les capteurs pour une exécution efficace des tâches.
• Ranger les Affaires
Dans cette section, nous explorons les outils de prise de décision en IA tels que les arbres de décision, la planification de trajectoire et les systèmes experts pour la robotique.
• Donner une Personnalité Artificielle au Robot
Dans cette section, nous explorons la simulation de personnalité artificielle dans les robots en utilisant des machines à états finis et une IA. Les concepts clés incluent la modélisation du comportement et la simulation des émotions pour des applications robotiques pratiques.
• Conclusions et Réflexions
Dans cette section, nous examinons quand arrêter le développement de l'IA, explorons les carrières en robotique et évaluons les risques de l'IA pour soutenir une prise de décision éclairée dans les applications du monde réel.
• Annexe
Dans cette section, nous explorerons les éléments fondamentaux de la communication robotique et de la conception des systèmes.

---

Enseigné par

Packt - Course Instructors

---

Matières

Artificial Intelligence