Cognitive Robotics

Durch maschinelles Lernen (ML) können sich Robotersysteme ohne großen Konfigurationsaufwand automatisch einrichten und viele Objekte bereits ohne spezifisches Wissen über deren Geometrie robust greifen und manipulieren. Weitere Technologien ermöglichen auch die Detektion und Segmentierung von Objekten zur Interaktion in unstrukturierten Umgebungen. Zudem helfen Simulationen, tiefe neuronale Netze zu trainieren und so das zeit- und personalintensive Annotieren von Trainingsdaten zu vermeiden.

Erfahren Sie in unserer Schulung »Cognitive Robotics«, wie Sie das Potenzial dieser Technologien optimal ausschöpfen und vielfältige roboterbasierte ML-Anwendungen in Ihrem Unternehmen realisieren können. Nach dieser Schulung sind Sie ein von Fraunhofer zertifizierter ML-Experte. Mit der Kombination aus Wissensvermittlung durch unsere Forscher, dokumentiert in umfangreichen Schulungsunterlagen, und praktischen Übungs- und Lernmodulen können Sie das Potenzial dieser neuen Technologien optimal für Ihren Anwendungsfall ausschöpfen und diesen auch mit uns diskutieren.

 

Zielgruppe: Data Scientists, Analysten, die ihre Fähigkeiten zur Trainierung von intelligenten Robotern  ausweiten wollen. Softwareentwickler/-architekten, die Lösungen für analytische Fragestellungen entwickeln.

Voraussetzungen: Kurs „Applied Deep Learning“ oder äquivalente Qualifikation

Sprache: Vorträge in Deutsch, Material in Englisch

Abschluss: Der Kurs ist Vertiefungsmodul für das Zertifikat »Data Scientist Specialized in Deep Learning« 

Inhalt

Tag 1

  • Einführung in Robotik und Machine Learning
  • Convolutional Neural Networks
  • Robot Vision
  • Deep Reinforcement Learning für Roboter I

Tag 2

  • Deep Reinforcement Learning für Roboter II
  • Greifen und Manipulation von Objekten mit Robotern
  • Simulationen und Sim-to-Real-Transfer
  • Best-Practice-Beispiele des Fraunhofer IPA und Erklärung der Übungsaufgaben

Praxisphase

  • Übungen im virtuellen Lernlabor im Umfang von 2 Arbeitstagen im Zeitraum von 2 Monaten
  • Lösung/Abgabe einer vorgegebenen Aufgabe zum Nachweis der praktischen Anwendung des Gelernten

Rahmen

Das Angebot zum Gesamtpreis von 5.300 Euro beinhaltet

  • den dreitägigen Grundkurs „Applied Deep Learning“ in Sankt Augustin mit anschließender Praxisphase (ca. 3 Arbeitstage im Zeitraum von 2 Monaten), 
  • diesen zweitägigen Vertiefungskurs in Stuttgart mit anschließender Praxisphase (ca. 2 Arbeitstage im Zeitraum von 2 Monaten),
  • eine halbtägige Prüfung in Sankt Augustin.

Es besteht die Möglichkeit die Vertiefungen einzeln zu buchen. Bei Einzelbuchung der Vertiefung werden die Inhalte des Grundkurses vorausgesetzt. Der Einzelpreis beträgt 1.900 Euro.

Die Teilnahmegebühr ist steuerfrei gem. § 4 Nr. 22a UStG. Sie umfasst Begleitunterlagen (auf Englisch) und Verpflegung.

Bitte beachten Sie die Storno- und Teilnahmebedingungen sowie die Datenschutzerklärung.

Maximale Teilnehmer*innenzahl: 15 

Die Anmeldungen werden in der Reihenfolge des Eingangs berücksichtigt.

Veranstaltungsort:
Fraunhofer-Institut für Produktionstechnik und Automatisierung
Nobelstraße 12, 70569 Stuttgart

Termine und Anmeldung

Bitte wählen Sie für die Zertifizierung je einen Termin für den Grundkurs sowie das Vertiefungsmodul. Einzelbuchungen sind ebenfalls möglich.

* Pflichtfelder

Grundkurs »Applied Deep Learning« (mit Zertifizierungsprüfung)
Vertiefungsmodul »Cognitive Robotics«
Hinweis: Gemäß Datenschutzgrundverordnung (DSGVO) unterrichten wir Sie über die Speicherung Ihrer Daten. Die Einwilligung zur Speicherung und Nutzung Ihrer Daten erfolgt freiwillig und kann jederzeit widerrufen werden.
Stornogebühren

Referenten

Kilian Kleeberger ist seit 2017 in der Abteilung Roboter- und Assistenzsysteme am Fraunhofer IPA tätig. Während seines Studiums der Produktionstechnik befasste er sich in Abschlussarbeiten und Industriepraktika mit zahlreichen Themen der Robotik. Im Forschungsprojekt »Deep Grasping« integriert er maschinelle Lernverfahren in den Griff-in-die-Kiste bei simulierten und realen Szenarien. Ziel ist es die Robustheit und Performanz von Roboterapplikationen zu steigern sowie eine schnelle und einfache Inbetriebnahme zu ermöglichen.

 

Markus Völk ist seit 2013 in der Abteilung Roboter- und Assistenzsystem am Fraunhofer IPA tätig. Neben seinem Studium des Maschinenbaus und der Technischen Kybernetik beschäftigte er sich mit verschiedenen Anwendungen maschinellen Lernens in Bereich der Robotik. Hierzu zählen die Szenentexterkennung zur Erfassung relevanter Textinformation für Navigations- und Logistiklösungen, sowie die Objektlageschätzung beim Griff-in-die-Kiste. Sein aktueller Schwerpunkt, in der Gruppe Handhabung und Intralogistik, sind Verfahren zur dateneffizienten und robusten Objekterkennung.