کتاب تخصصی پردازش زمان واقعی برای رباتهای هوشمند Embodied AI: از پایه تا پیشرفته با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
249,950 تومان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تخصصی پردازش زمان واقعی برای رباتهای هوشمند Embodied AI: از پایه تا پیشرفته
موضوع کلی: هوش مصنوعی Embodied
موضوع میانی: پردازش زمان واقعی در هوش مصنوعی Embodied
📋 سرفصلهای دوره
- 1. مقدمه بر پردازش زمان واقعی در هوش مصنوعی Embodied
- 2. اصول پایه هوش مصنوعی Embodied و نقش زمان واقعی
- 3. معمارای سیستمهای Embodied: حسگر، عملگر و واحد محاسبه
- 4. مفاهيم latency، jitter و throughput در سیستمهای زمان واقعی
- 5. معیارهای عملکرد برای پردازش زمان واقعی
- 6. معرفی سیستمهای عامل زمان واقعی (RTOS)
- 7. مقایسه RTOS populares: FreeRTOS, Zephyr, VxWorks
- 8. برنامهنویسی چند رشتهای در RTOS
- 9. مدیریت منابع و زمانبندی کارها (scheduling)
- 10. الگوریتمهای زمانبندی: Rate Monotonic, Earliest Deadline First
- 11. تجزیه و تحلیل قابلیت زمانبندی (schedulability analysis)
- 12. استفاده از Linux با پچ PREEMPT_RT برای زمان واقعی
- 13. تنظیم پارامترهای هسته Linux برای کاهش latency
- 14. ابزارهای profiling و tracing: ftrace, LTTng, perf
- 15. مدلسازی سیستمهای زمان واقعی با UML و SysML
- 16. شبیهسازی latency با ابزارهای مثل QEMU و Simulink
- 17. پردازش سیگنال حسگر در زمان واقعی: فیلترینگ و استخراج ویژگی
- 18. ترکیب دادههای چند حسگر (sensor fusion) در زمان واقعی
- 19. 卡尔مان فیلتر و نسخهای گسترش یافته برای estimating state
- 20. پردازش تصویر در زمان واقعی با OpenCV و GPU
- 21. استفاده از TensorRT برای استنتاج مدل深層 یادگیری در زمان واقعی
- 22. بهینهسازی مدلهای DNN برای latency کم (quantization, pruning)
- 23. استنتاج مدلهای یادگیری تقویتی در رباتهای Embodied
- 24. کنترل پایبند در زمان واقعی: PID و کنترل پیشبینی
- 25. کنترل مبتنی بر Model Predictive Control (MPC) در زمان واقعی
- 26. integrality of ROS 2 برای برنامههای روباتیک زمان واقعی
- 27. استفاده از ROS 2 با دامن زمان واقعی (ROS 2 Real-Time)
- 28. ایجاد نودهای زمان واقعی در ROS 2 و مدیریت زمان
- 29. ارتباط DDS و QoS برای ضمانت latency
- 30. بهینهسازی stack ارتباطی در ROS 2 برای کاهش تأخير
- 31. استفاده از DDS Security برای ارتباطات ایمن در روباتهای زمان واقعی
- 32. پیادهسازی حلقه کنترل闭环 بر روی میکروکنترلر ARM Cortex-M
- 33. استفاده از FPGA برای تسریع پردازش حسگر و کنترل
- 34. طراحی pipeline پردازش تصویر روی FPGA با HLS
- 35. استفاده از GPU نVIDIA Jetson برای پردازش زمان واقعی
- 36. بهینهسازی حافظه و bandwidth در Jetson برای latency کم
- 37. استفاده از حافظه condivisa و zero-copy برای انتقال داده
- 38. مدیریت حرارت و throttling در سیستمهای embarced
- 39. تست و اعتبارسنجی زمان واقعی: تستهای stress و fault injection
- 40. ابزارهای تست latency: cyclictest, rt-tests
- 41. تحلیل اثرات interrupt و preemption بر latency
- 42. طراحی سیستمهای fault-tolerant برای روباتهای Embodied
- 43. ایمنی функціонаل در سیستمهای زمان واقعی (ISO 26262, IEC 61508)
- 44. استفاده از watchdog و مکانیزمهای بازیابی در زمان واقعی
- 45. بهینهسازی مصرف انرژی در پردازش زمان واقعی
- 46. تکنیکهای نوسان فرکوانسی و مقیاس ولتاژ (DVFS) برای latency‑energy tradeoff
- 47. پردازش صوت و گفتار در زمان واقعی برای tương tác انسان-روبوت
- 48. پردازش زبان طبیعی در زمان واقعی روی دستگاههای embedded
- 49. استفاده از مدلهای transformer کمحجم برای inferencing زمان واقعی
- 50. بهینهسازی inferencer برای transformer با TensorRT و ONNX Runtime
- 51. کار با دوربینهای profundidad و LiDAR در زمان واقعی
- 52. ترکیب دادههای Lidar و camera برای SLAM در زمان واقعی
- 53. اجرای SLAM با بستههای RTAB-Map و GMapping در حالت زمان واقعی
- 54. مسیر یافتن و planowanie مسیر در زمان واقعی (Dijkstra, A*, RRT*)
- 55. کنترل مسیر با بازخورد حسگر در زمان واقعی
- 56. استفاده از یادگیری تقویتی عمیق برای سیاستهای کنترل زمان واقعی
- 57. آموزش سیاستهای کنترل در شبیهسازی و انتقال به سختافزار (Sim2Real)
- 58. بهینهسازی pipeline آموزش برای کاهش زمان آموزش (mixed precision, gradient checkpointing)
- 59. استفاده از ابزارهای مانیتورینگ زمان واقعی در تشغيل (Grafana, Prometheus)
- 60. لاگ و تحلیل رویدادهای زمان واقعی در سیستمهای embedded
- 61. بهروزرسانی OTA firmware در روباتهای زمان واقعی بدون downtime
- 62. تستRegression و CI/CD برای کد زمان واقعی
- 63. استفاده از ابزارهای formal verification برای ضمانت ویژگیهای زمان واقعی
- 64. پیادهسازی سیستمهای multi-robot coordination در زمان واقعی
- 65. توزیع consensus و برقراری synchronize بین روباتها
- 66. مدیریت network latency در تیمهای روباتهای بیسیم
- 67. استفاده از 5G و edge computing برای پردازش زمان واقعی ابری
- 68. بهینهسازی مدار PCB برای کاهش parasitic delay
- 69. انتخاب اجزاء سختافزاری مناسب (MCU, SoC, FPGA) برای latency هدف
- 70. مطالعه موردی: روبات سرویس خانگی با پردازش زمان واقعی
- 71. مطالعه موردی: روبات صنعتی برای montage دقیق
- 72. مطالعه موردی: خودران خودرانا با پردازش زمان واقعی
- 73. بهویژه آینده: چایپهای neuromorphic و پردازش زمان واقعی
- 74. Integrating quantum sensing برای بهبود دقت حسگر در زمان واقعی
- 75. بررسی ética و مسئولیت در هوش مصنوعی Embodied زمان واقعی
- 76. راهنمای خرید و ساخت کیت آموزش پردازش زمان واقعی برای دانشجویان
- 77. پروژه capstone: ساخت روبات تعاونی با latency <1ms
- 78. ارزیابی پروژه و ارائه نتایج
- 79. منابع پیشもっと مطالعه: کتابها، مقالات، کنفرانسها
- 80. آزمون نهایی و ارزیابی مهارتها
تگها:
deep learning
edge computing
Embodied AI
FPGA
latency optimization
real-time OS
real-time processing
ROS2
TensorRT
پردازش زمان واقعی
روباتیک
هوش مصنوعی Embodied
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.