Yapay Zeka ile Robotik ve Otonom Kontrol Eğitimi

Eğitim Hakkında

Bu eğitim, endüstriyel robot kolları, otonom mobil robotlar ve iş birlikçi robotlar için yapay zeka tabanlı algılama, planlama ve kontrol çözümleri geliştiren mühendislik ekipleri için tasarlanmış ileri düzey bir programdır. Katılımcılar ROS 2 ve simülasyon ortamlarında SLAM, navigasyon, MPC, pekiştirmeli öğrenme ve taklit öğrenmeyi uygular.

Neden Bu Eğitim?

Uçtan Uca Otonomi. Algılama, konumlandırma, planlama ve kontrol katmanlarını tek bir robot yazılım mimarisi içinde birleştirin.

Simülasyondan Sahaya. Gazebo, MuJoCo ve Isaac Lab'de güvenle deneyin; simülasyondan gerçeğe aktarımın zorluklarını yönetin.

Klasik ve Öğrenen Kontrol. PID ve MPC'nin güvenilirliğini pekiştirmeli ve taklit öğrenmenin esnekliğiyle doğru yerde bir araya getirin.

“Gerçek otonomi, robotun her durumu önceden bilmesi değil, belirsizlik karşısında güvenli kalarak öğrenmeye devam edebilmesidir.”

Ön Koşullar

Programlama — Python veya C++ ile nesne yönelimli kod yazabilmek ve mevcut kod tabanlarını okuyabilmek.
Linux Deneyimi — Ubuntu komut satırı, paket yönetimi ve temel derleme araçlarıyla rahat çalışabilmek.
Matematik ve Kontrol — Lineer cebir, koordinat dönüşümleri ve geri beslemeli kontrol kavramlarına aşinalık.
ML Temelleri — Sinir ağı eğitimi, kayıp fonksiyonu ve aşırı öğrenme gibi temel kavramları bilmek.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiRobot türlerini ve otonomi mimarisini kavramak, kinematik ve koordinat dönüşümlerini uygulamak ve ROS 2 ile simülasyonda robot modeli çalıştırmak.

Modül 1

Robotik Sistemler ve Otonomi Mimarisi

Endüstriyel kol, iş birlikçi robot, AMR ve insansız araçlar
Algıla-planla-uygula döngüsü ve otonomi seviyeleri
Robot yazılım yığını: sürücü, algılama, planlama, kontrol
Yapay zekanın robotikte dönüştürdüğü alanlar
Üretim ve lojistikte otonom robot kullanım senaryoları
Vaka: Depoda AMR filosu ile malzeme taşıma projesi

Modül 2

Kinematik, Dinamik ve Koordinat Dönüşümleri

Homojen dönüşüm matrisleri, dönüş ve kuaterniyonlar
Denavit-Hartenberg parametreleri ile ileri kinematik
Ters kinematik: analitik ve sayısal çözüm yöntemleri
Jakobiyen, tekillik ve hız kinematiği
Robot dinamiğine giriş ve tork gereksinimi
Laboratuvar: Python ile 6 eksenli kol kinematiği

Modül 3

ROS 2 ile Robot Yazılımı Temelleri

ROS 2 mimarisi, DDS ara katmanı ve QoS profilleri
Düğüm, konu, servis ve eylem (action) yapıları
rclpy ile yayıncı ve abone düğümleri yazma
Launch dosyaları, parametreler ve paket yapısı
TF2 ile koordinat çerçevesi yönetimi ve RViz
Laboratuvar: Sensör ve kontrol düğümlerinin kurulması

Modül 4

Robot Modelleme ve Simülasyon

URDF ve Xacro ile robot tanımı oluşturma
Gazebo ile fizik tabanlı simülasyon ortamı
ros2_control ile eklem denetleyicileri
Simüle sensörler: LiDAR, derinlik kamerası ve IMU
MuJoCo ve NVIDIA Isaac Sim simülatörlerine bakış
Günün değerlendirmesi ve algılama gününe köprü

Günün hedefiRobot sensörlerini birleştirerek güvenilir konum kestirimi yapmak, 3B algılama ve derin öğrenme tabanlı görüyü uygulamak ve SLAM ile harita oluşturmak.

Modül 1

Robot Sensörleri ve Sensör Füzyonu

Enkoder, IMU, LiDAR, derinlik ve stereo kamera özellikleri
Sensör gürültüsü, kalibrasyon ve zaman senkronizasyonu
Kalman filtresi ve genişletilmiş Kalman filtresi (EKF)
Parçacık filtresi ile olasılıksal konum kestirimi
robot_localization paketi ile odometri füzyonu
Laboratuvar: IMU ve tekerlek odometrisinin birleştirilmesi

Modül 2

3B Algılama ve Nokta Bulutu İşleme

Nokta bulutu temsili, filtreleme ve alt örnekleme
Open3D ile yüzey bulma, kümeleme ve bölütleme
ICP algoritması ile nokta bulutlarının hizalanması
Derin öğrenme ile 3B nesne algılama yaklaşımları
Kavrama için 6 serbestlik dereceli poz kestirimi
Laboratuvar: Masa üstündeki nesnelerin 3B bölütlenmesi

Modül 3

Eşzamanlı Konumlandırma ve Haritalama (SLAM)

SLAM problemi, poz grafı ve döngü kapatma
LiDAR SLAM: slam_toolbox ile 2B harita üretimi
Görsel SLAM ve ORB-SLAM3 yaklaşımının incelenmesi
Harita üzerinde AMCL ile konumlandırma
Dinamik ortamlar ve uzun süreli haritalama sorunları
Laboratuvar: Simüle depoda SLAM ile harita çıkarma

Modül 4

Derin Öğrenme Tabanlı Robot Görüsü

Laboratuvar: Algılama modelini ROS 2 düğümü olarak çalıştırma
Açık sözlüklü algılama ile yeni nesneleri tanıma
Anlamsal haritalama: haritaya nesne bilgisi ekleme
GPU ile gerçek zamanlı çıkarım ve gecikme bütçesi
Algılama belirsizliğinin planlama kararlarına etkisi
Günün değerlendirmesi ve planlama gününe hazırlık

Günün hedefiGeri beslemeli kontrol ve model öngörülü kontrolü uygulamak, manipülatörler için çarpışmasız hareket planlamak ve mobil robotlarda otonom navigasyon kurmak.

Modül 1

Geri Beslemeli Kontrol Temelleri

Açık ve kapalı çevrim kontrol, kararlılık kavramı
PID denetleyici tasarımı ve ayarlama yöntemleri
Durum uzayı modelleri ve LQR denetleyici
Eklem ve kartezyen uzayda yörünge takibi
Empedans ve kuvvet kontrolü ile temaslı görevler
Laboratuvar: Mobil robot için hız kontrolü ayarı

Modül 2

Model Öngörülü Kontrol (MPC)

Öngörü ufku, maliyet fonksiyonu ve kısıtlar
Doğrusal ve doğrusal olmayan MPC formülasyonu
CasADi ile optimizasyon problemi tanımlama
Gerçek zamanlı çözüm süresi ve hesaplama bütçesi
Öğrenme tabanlı modellerle MPC'nin birleştirilmesi
Laboratuvar: Diferansiyel sürüşlü robotta MPC ile yol takibi

Modül 3

Manipülatörler İçin Hareket Planlama

Konfigürasyon uzayı ve çarpışma denetimi
Örnekleme tabanlı planlayıcılar: RRT ve PRM
MoveIt 2 ile planlama sahnesi ve hareket grupları
Yörünge optimizasyonu ve zaman parametrelendirme
Kavrama planlama ve al-yerleştir görev akışı
Laboratuvar: MoveIt 2 ile al-yerleştir uygulaması

Modül 4

Mobil Robot Navigasyonu

Global ve yerel planlama: A*, Dijkstra ve DWB
Nav2 mimarisi, maliyet haritaları ve eklentiler
Davranış ağaçları ile görev ve kurtarma mantığı
Laboratuvar: Nav2 ile simüle depoda otonom navigasyon
Çoklu robot koordinasyonu ve trafik yönetimi
Günün değerlendirmesi ve öğrenen kontrol gününe köprü

Günün hedefiRobot görevleri için pekiştirmeli öğrenme politikaları eğitmek, simülasyondan gerçeğe aktarım tekniklerini uygulamak ve gösterimlerden taklit öğrenmeyi denemek.

Modül 1

Robotik İçin Pekiştirmeli Öğrenme

Markov karar süreçleri, politika ve değer fonksiyonları
Politika gradyanı yöntemleri: PPO algoritması
Sürekli kontrol için SAC ve TD3 algoritmaları
Gymnasium arayüzü ve Stable-Baselines3 kütüphanesi
Örnek verimliliği ve hiperparametre hassasiyeti
Laboratuvar: SAC ile robot kolu erişim görevi

Modül 2

Simülasyonda Politika Eğitimi

MuJoCo ile hızlı ve kararlı fizik simülasyonu
Isaac Lab ile GPU üzerinde paralel ortamlar
Ödül tasarımı, ödül istismarı ve müfredat öğrenmesi
Gözlem ve eylem uzayı tasarım kararları
Eğitim eğrilerinin izlenmesi ve politika değerlendirme
Laboratuvar: Dört ayaklı robot yürüme politikası eğitimi

Modül 3

Simülasyondan Gerçeğe Aktarım

Sim-to-real açığı: dinamik, sensör ve gecikme farkları
Alan rastgeleleştirme (domain randomization)
Sistem tanılama ile simülasyon parametre kalibrasyonu
Güvenlik katmanı ve eylem sınırlama ile saha testi
Gerçek robotta ince ayar ve çevrimdışı pekiştirmeli öğrenme
Demo: Simülasyonda eğitilen politikanın robotta denenmesi

Modül 4

Taklit Öğrenme ve Robot Temel Modelleri

Gösterimden öğrenme ve davranış klonlama
Teleoperasyon ile gösterim verisi toplama
Diffusion Policy ve ACT yaklaşımlarının mantığı
Hugging Face LeRobot ile politika eğitimi
Görü-dil-eylem (VLA) modelleri ve genelleme sınırları
Günün değerlendirmesi ve entegrasyon gününe hazırlık

Günün hedefiRobot güvenliği standartlarını ve mevzuatı uygulamaya yansıtmak, robotları üretim sistemlerine entegre etmek ve uçtan uca otonom görev projesini sunmak.

Modül 1

Robot Güvenliği, Standartlar ve Mevzuat

ISO 10218 endüstriyel robot güvenliği gereklilikleri
ISO/TS 15066 iş birlikçi robot uygulamaları
ISO 3691-4 ile sürücüsüz endüstriyel araç güvenliği
AB Makine Yönetmeliği ve öğrenen sistemlerin etkisi
EU AI Act: güvenlik bileşeni olarak YZ sistemleri
Atölye: Hücre için risk değerlendirmesi ve önlemler

Modül 2

Üretim Sistemleriyle Entegrasyon

Open-RMF ile çoklu üretici robot filosu yönetimi
OPC UA ve MES ile görev emri entegrasyonu
Uç bilgisayarda algılama ve kontrol dağıtımı
Kayıt, izleme, rosbag ile hata ayıklama ve analiz
Robot yazılımında sürekli entegrasyon ve simülasyon testi
Demo: MES görev emriyle tetiklenen AMR görevi

Modül 3

Otonom Görev Projesi

Proje senaryosu: Algılamalı al-yerleştir veya AMR görevi
Mimari tasarım: algılama, planlama ve kontrol zinciri
Takım çalışmasıyla simülasyonda uygulama geliştirme
Başarı ölçütleri: görev başarısı, süre ve güvenlik
Başarısız denemelerin hata analizi ve iyileştirme turu
Simülasyon kayıtlarıyla proje demolarının hazırlanması

Modül 4

Proje Sunumları ve Kapanış

Takım proje demoları ve teknik sunumlar
Eğitmen ve akran geri bildirimi ile mimari değerlendirme
Kurumsal robotik ve otonomi yol haritası taslağı
Eğitim değerlendirmesi ve interaktif Soru-Cevap
Sertifika takdimi ve laboratuvar kodlarının teslimi
İleri öğrenme kaynakları, topluluklar ve kapanış

Eğitim Kazanımları

Robot Kinematiği — İleri ve ters kinematik ile koordinat dönüşümlerini robot kolları ve mobil robotlarda uygulayabileceksiniz.
ROS 2 Geliştirme — ROS 2 düğümleri, TF2 ve ros2_control ile modüler robot yazılımı geliştirip simülasyonda test edebileceksiniz.
Algılama ve Füzyon — Kalman filtreleri, nokta bulutu işleme ve derin öğrenme ile güvenilir robot algılama zinciri kurabileceksiniz.
SLAM ve Navigasyon — SLAM ile harita oluşturup Nav2 ve davranış ağaçlarıyla otonom mobil robot navigasyonu kurabileceksiniz.
İleri Kontrol — PID, LQR ve MPC denetleyicileri tasarlayıp robotlarda hassas yörünge takibi sağlayabileceksiniz.
Pekiştirmeli Öğrenme — PPO ve SAC ile simülasyonda robot politikaları eğitip sim-to-real aktarım tekniklerini uygulayabileceksiniz.
Taklit Öğrenme — Gösterim verisiyle LeRobot üzerinde politika eğitip robot temel modellerinin sınırlarını değerlendirebileceksiniz.
Güvenli Devreye Alma — ISO 10218 ve ISO/TS 15066 gerekliliklerini gözeten, üretim sistemlerine entegre otonom çözümler kuracaksınız.

Kimler İçin Uygundur?

Robotik ve mekatronik mühendisleri
otomasyon ve kontrol mühendisleri
gömülü yazılım geliştiricileri
Ar-Ge ekipleri ve otonom sistem projelerinde çalışan ML mühendisleri.

Sıkça Sorulan Sorular

Yapay Zeka ile Robotik ve Otonom Kontrol Eğitimi kimler için uygundur?

Program; robotik, mekatronik, otomasyon ve kontrol mühendisleri, gömülü yazılım geliştiricileri ve otonom mobil robot, robot kolu veya iş birlikçi robot projelerinde çalışan Ar-Ge ve ML ekipleri için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl yapılandırılmıştır?

Eğitim 5 tam gün ve 20 modülden oluşur. ROS 2 ve simülasyon, algılama ile SLAM, planlama ve klasik kontrol, pekiştirmeli ve taklit öğrenme günlerinin ardından son gün güvenlik, entegrasyon ve otonom görev projesi işlenir.

Katılım için hangi ön bilgiler gerekiyor?

Python veya C++ ile programlama, Ubuntu Linux kullanımı, lineer cebir ve temel kontrol kavramları ile sinir ağı eğitimi gibi makine öğrenmesi temelleri beklenir. Önceden ROS deneyimi zorunlu değildir.

Eğitimde hangi yazılım ve simülatörler kullanılıyor?

ROS 2, Gazebo, RViz, ros2_control, slam_toolbox, Nav2, MoveIt 2, Open3D, CasADi, MuJoCo, Isaac Lab, Gymnasium, Stable-Baselines3 ve Hugging Face LeRobot kullanılır.

Uygulamalar gerçek robotlarla mı yapılıyor, sertifika veriliyor mu?

Laboratuvarların büyük bölümü simülasyonda yürütülür; uygun ortamlarda fiziksel robot demoları yapılır ve kurumun robot platformu programa dahil edilebilir. Programı tamamlayanlar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YAPAY ZEKA İLE ROBOTİK VE OTONOM KONTROL EĞİTİMİ

Eğitim Hakkında

Neden Bu Eğitim?

Ön Koşullar

Eğitim İçeriği

Robotik Sistemler ve Otonomi Mimarisi

Kinematik, Dinamik ve Koordinat Dönüşümleri

ROS 2 ile Robot Yazılımı Temelleri

Robot Modelleme ve Simülasyon

Robot Sensörleri ve Sensör Füzyonu

3B Algılama ve Nokta Bulutu İşleme

Eşzamanlı Konumlandırma ve Haritalama (SLAM)

Derin Öğrenme Tabanlı Robot Görüsü

Geri Beslemeli Kontrol Temelleri

Model Öngörülü Kontrol (MPC)

Manipülatörler İçin Hareket Planlama

Mobil Robot Navigasyonu

Robotik İçin Pekiştirmeli Öğrenme

Simülasyonda Politika Eğitimi

Simülasyondan Gerçeğe Aktarım

Taklit Öğrenme ve Robot Temel Modelleri

Robot Güvenliği, Standartlar ve Mevzuat

Üretim Sistemleriyle Entegrasyon

Otonom Görev Projesi

Proje Sunumları ve Kapanış

Eğitim Kazanımları

Kimler İçin Uygundur?

Sıkça Sorulan Sorular

Sertifikalandırma

Eğitim Bilgileri

Benzer Programlar

Yapay Zeka Güvenliğine Giriş Eğitimi

Yapay Zeka Kurumsal Strateji Yönetimi Eğitimi

Yapay Zeka Küresel Yönetişim Çerçeveleri Eğitimi