課程簡介

Edge AI in Autonomous Systems 簡介

  • 邊緣 AI 概述及其在自主系統中的意義
  • 在自主系統中實施邊緣 AI 的主要優勢和挑戰
  • 用於自主性的邊緣 AI 的當前趨勢和創新
  • 實際應用和案例研究

自治系統中的實時處理

  • 實時數據處理基礎
  • 用於即時決策的 AI 模型
  • 處理數據流和感測器融合
  • 實際實例和案例研究

自動駕駛汽車中的邊緣 AI

  • 用於車輛感知和控制的 AI 模型
  • 開發和部署用於即時導航的 AI 解決方案
  • 將邊緣 AI 與車輛控制系統整合
  • 自動駕駛汽車中邊緣 AI 的案例研究

無人機中的邊緣 AI

  • 用於無人機感知和飛行控制的 AI 模型
  • 無人機的實時數據處理和決策
  • 實施邊緣 AI 實現自主飛行和避障
  • 實際實例和案例研究

邊緣 AI Robotics

  • 用於機器人感知和操作的 AI 模型
  • 機器人系統中的即時處理和控制
  • 將邊緣 AI 與機器人控制架構整合
  • 邊緣 AI 在機器人領域的案例研究

開發用於自主應用的 AI 模型

  • 相關機器學習和深度學習模型概述
  • 訓練和優化邊緣部署模型
  • 自主邊緣 AI 的工具和框架(TensorFlow Lite、ROS 等)
  • 自主環境中的模型驗證和評估

在自治系統中部署邊緣 AI 解決方案

  • 在各種邊緣硬體上部署 AI 模型的步驟
  • 邊緣設備上的實時數據處理和推理
  • 監視和管理已部署的 AI 模型
  • 實際部署範例和案例研究

道德和監管考慮

  • 確保自主人工智慧系統的安全性和可靠性
  • 解決自主 AI 模型中的偏見和公平性
  • 符合自主系統的法規和標準
  • 在自主系統中負責任地部署 AI 的最佳實踐

性能評估與優化

  • 自主系統中模型性能評估技術
  • 用於即時監控和調試的工具
  • 在自主應用中優化 AI 模型性能的策略
  • 解決延遲、可靠性和可擴充性挑戰

創新 Use Case 和應用

  • 邊緣 AI 在自主系統中的高級應用
  • 各個自治領域的深入案例研究
  • 成功案例和經驗教訓
  • 用於自主性的邊緣 AI 的未來趨勢和機遇

動手項目和練習

  • 為自主系統開發全面的邊緣 AI 應用程式
  • 真實世界的項目和場景
  • 協作小組練習
  • 專案演示和反饋

摘要和後續步驟

最低要求

  • 瞭解 AI 和機器學習概念
  • 有程式設計語言經驗(Python 推薦)
  • 熟悉機器人、自主系統或相關技術

觀眾

  • Robotics 工程師
  • 自動駕駛汽車開發商
  • 人工智慧研究人員
 14 時間:

人數


每位參與者的報價

Provisional Upcoming Courses (Require 5+ participants)

課程分類