فلش‌کارت‌های آموزشی تخصصی پردازش زمان واقعی برای ربات‌های هوشمند Embodied AI: از پایه تا پیشرفته

🎓 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