Ponte en Contacto

Temario del curso

Introducción a la manipulación robótica y el aprendizaje profundo

  • Vista general de las tareas de manipulación y los componentes del sistema
  • Enfoques tradicionales vs. basados en aprendizaje
  • Aprendizaje profundo en percepción, planificación y control

Percepción para la manipulación

  • Sensado visual y detección de objetos para aprehensión
  • Visión 3D, sensado de profundidad y procesamiento de nubes de puntos
  • Entrenamiento de CNN para localización y segmentación de objetos

Planificación y detección de aprehensión

  • Algoritmos clásicos de planificación de aprehensión
  • Aprendizaje de posturas de aprehensión a partir de datos y simulación
  • Implementación de redes de detección de aprehensión (p. ej., GGCNN, Dex-Net)

Control y planificación de movimientos

  • Cinemática inversa y generación de trayectorias
  • Planificación de movimientos basada en aprendizaje y aprendizaje por imitación
  • Aprendizaje por refuerzo para políticas de control de manipulación

Integración con ROS 2 y entornos de simulación

  • Configuración de nodos ROS 2 para percepción y control
  • Simulación de manipuladores robóticos en Gazebo e Isaac Sim
  • Integración de modelos neuronales para control en tiempo real

Aprendizaje de extremo a extremo para la manipulación

  • Combinación de percepción, política y control en redes unificadas
  • Uso de datos de demostración para el aprendizaje supervisado de políticas
  • Adaptación de dominio entre simulación y hardware real

Evaluación y optimización

  • Métricas de éxito, estabilidad y precisión en la aprehensión
  • Pruebas bajo condiciones variables y perturbaciones
  • Compresión de modelos y despliegue en dispositivos de borde

Práctico: Aprehensión robótica basada en aprendizaje profundo

  • Diseño de una pipeline de percepción a acción
  • Entrenamiento y prueba de un modelo de detección de aprehensión
  • Integración del modelo en un brazo robótico simulado

Requerimientos

  • Sólido conocimiento de la cinemática y dinámica robótica
  • Experiencia con Python y marcos de trabajo de aprendizaje profundo
  • Conocimiento de ROS o middleware robótico similar

Público objetivo

  • Ingenieros de robótica que desarrollan sistemas de manipulación inteligente
  • Especialistas en percepción y control que trabajan en aplicaciones de aprehensión
  • Investigadores y profesionales avanzados en aprendizaje de robots y control basado en IA
 28 Horas

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas