آموزش مقدمه‌ای بر هوش مصنوعی فیزیکی و نسل جدید رباتیک - آخرین آپدیت

دانلود Intro to Physical AI and Next Generation Robotics new

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: در این دوره خواهید آموخت: هوش مصنوعی فیزیکی (Physical AI) چیست، چگونه AI در حال متحول کردن دنیای فیزیک است و برای ساخت نسل بعدی ربات‌ها چه پیش‌نیازهایی لازم است. تفاوت بین هوش مصنوعی فیزیکی، هوش مصنوعی دیجیتال سنتی و رباتیک کلاسیک برنامه‌ریزی شده را تشخیص دهید. یک خط لوله (Pipeline) کامل Sim-to-Real را با استفاده از میان‌افزارهای مدرن مانند ROS2 و شبیه‌سازهای فیزیکی طراحی کنید. مدل‌های Vision-Language-Action (VLA) را در جریان‌های کاری ادغام کنید تا استدلال پویا در دنیای واقعی را فعال نمایید. نرخ بازگشت سرمایه (ROI) و تأثیرات تجاری استقرار عوامل فیزیکی خودگردان در محیط‌های سازمانی را ارزیابی کنید. پیشنیازها: یادگیری ماشین مقدماتی: درک آموزش مدل‌ها و شبکه‌های عصبی آشنایی با LLMها و هوش مصنوعی مولد: دانش مفهومی درباره نحوه پردازش داده‌ها توسط مدل‌های بزرگ. برنامه‌نویسی پایتون: تسلط بر جریان‌های کاری استاندارد علوم داده. دانش پایه رباتیک و سیستم‌عامل‌هایی مانند ROS. بدون نیاز به سخت‌افزار: تمرکز ما بر خط لوله Sim-to-Real است تا موانع ورود به این حوزه کاهش یابد!

مرور دوره: تسلط بر هوش مصنوعی فیزیکی و مهندسی رباتیک پیشرفته

به لبه تکنولوژی مهندسی خودگردان خوش آمدید. این دوره جامع، یک نقشه راه کامل برای ساخت نسل بعدی ماشین‌های تطبیق‌پذیر ارائه می‌دهد. از مرزهای سخت اتوماسیون دیجیتال سنتی فراتر رفته و بر هوش مصنوعی فیزیکی - ادغام هوش شناختی با سیستم‌های فیزیکی دنیای واقعی - مسلط شوید. این برنامه آموزشی که برای مهندسان AI، متخصصان رباتیک و آینده‌نگران تکنولوژی طراحی شده است، پلی میان تئوری و استقرار عملی در محیط تولید است.

پارادایم جدید: هوش مصنوعی دیجیتال در مقابل هوش مصنوعی فیزیکی

درخت تکاملی هوش مصنوعی را تحلیل کنید. شما به صورت سیستماتیک تفاوت بین Physical AI را با نرم‌افزارهای دیجیتال سنتی و رباتیک کلاسیک برنامه‌ریزی شده تشخیص خواهید داد. درک کنید چرا منطق استاتیک و کد-محور در مواجهه با تغییرات دنیای واقعی شکست می‌خورد و مفاهیم کلیدی جفت‌شدگی حسگر-موتوری (Sensorimotor Coupling) و یادگیری تجربی را بررسی کنید.

معماری سطح بالا و خط لوله Sim-to-Real

بر طراحی سیستمی که برای تبدیل استدلال‌های کلی به مکانیک فیزیکی لازم است، مسلط شوید. شما یاد می‌گیرید یک خط لوله جامع داده‌های Sim-to-Real را معماری کنید که تعادلی بین کنترل بلادرنگ و حلقه‌های بازخورد دیجیتال ایجاد کند. کشف کنید که چگونه میان‌افزارهای مدرن، شبیه‌سازهای پیشرفته فیزیکی و تله‌متری حلقه-بسته با هم کار می‌کنند تا ربات‌ها را در مقیاس بسیار بالا بدون ریسک آسیب به سخت‌افزار آموزش دهند.

چارچوب NVIDIA Build و پشته فنی (Tech Stack)

در پشته سازمانی استاندارد صنعت برای توسعه Physical AI عمیق شوید. این ماژول آموزش‌های تخصصی برای پیمایش در اکوسیستم جامع رباتیک NVIDIA ارائه می‌دهد. شما لایه بنیادی محاسبات فضایی در Omniverse، شبیه‌سازی با دقت بالا در Isaac Sim، یادگیری تقویت‌شده موازی از طریق Isaac Lab و معماری مدل‌های پایه پیشرفته Vision-Language-Action (VLA) در پروژه GR00T را بررسی خواهید کرد.

راه‌اندازی عملی DevStudio و آموزش خودگردان

- انتقال از تئوری به پیاده‌سازی عملی. در این محیط آزمایشگاه فنی، شما:

- پردازش GPU با کارایی بالا را روی یک دسکتاپ ابری تخصصی مبتنی بر لینوکس فعال خواهید کرد.

- استودیوهای توسعه NVIDIA Isaac Sim و Isaac Lab را پیکربندی، مقداردهی اولیه و بهینه خواهید کرد.

- بسترهای تست مجازی را ساخته و شبیه‌سازی می‌کنید و محیط‌های آموزشی موازی را برای مشاهده یادگیری مهارت‌های فیزیکی توسط عوامل خودگردان در لحظه مدیریت خواهید کرد.

- مکانیسم‌های داخلی مدل‌های Vision-Language-Action (VLA) را برای تولید توکن‌های عملی دقیق مستقیماً از ورودی‌های حسی خام تحلیل خواهید کرد.

استقرار VLAها برای استدلال پویا در دنیای واقعی

بیاموزید چگونه آگاهی شناختی را به ساختارهای فیزیکی تزریق کنید. ما ادغام استراتژیک مدل‌های پایه چندوجهی را مستقیماً در جریان‌های کاری عملیاتی مطالعه خواهیم کرد. شما بر فرآیند توانمندسازی ربات‌ها برای تفسیر دستورات زبان طبیعی، تغییر مسیر پویا در اطراف موانع غیرمنتظره و اجرای انتقال‌های Zero-shot در فضاهای کاملاً بدون ساختار دنیای واقعی مسلط خواهید شد.

کاربردهای صنعتی و اندازه‌گیری تأثیرات تجاری

دوره را با بررسی واقعیت‌های اقتصاد کلان این فرصت بازار ۱.۵ تریلیون دلاری به پایان برسانید. مطالعات موردی عینی در زمینه‌های تولید، انبارهای هوشمند و مراقبت‌های بهداشتی را تحلیل کنید. یاد بگیرید چگونه بازگشت سرمایه شرکتی (ROI) را با ارزیابی معیارهای نرخ موفقیت وظایف، کمی‌سازی ساعات مهندسی ذخیره شده با حذف اتوماسیون‌های سخت‌افزاری و پیش‌بینی نقشه راه آینده استقرار انسان‌نمای‌های خودگردان، به طور دقیق اندازه‌گیری کنید.

سرفصل ها و درس ها

مقدمه Introduction

شروع کار با هوش مصنوعی فیزیکی Getting started with Physical AI
آشنایی با مدرس Meet the instructor
پیش‌نیازهای دوره Course prerequsites
اهداف یادگیری Learning objectives

مبانی هوش مصنوعی فیزیکی Foundations of Physical AI

درک تصویر کلی Understanding big picture
تحول از دنیای دیجیتال به دنیای فیزیکی Transformation from Digital to Physical World
مدل VLA: مدل بینایی-زبان-عمل VLA : Vision-Language-Action model
سنجش دانش: مبانی هوش مصنوعی فیزیکی Knowledge check: Foundations of Physical AI

معماری و پشته فنی هوش مصنوعی فیزیکی Physical AI - Tech stack & Architecture

اجزای سازنده و نیازهای محیطی هوش مصنوعی فیزیکی Physical AI - Building Blocks & Environment needs
معماری سطح بالای سیستم‌های هوش مصنوعی فیزیکی Physical AI systems - High Level Architecture
پشته فنی NVIDIA، سخت‌افزار و میان‌افزار Physical AI - NVIDIA Tech stack, hardware & middleware
سنجش دانش: سیستم و معماری هوش مصنوعی فیزیکی Knowledge check: Physical AI System & Architecture

آموزش و ارزیابی هوش مصنوعی فیزیکی Physical AI - Training & Evaluation

مکانیسم‌های آموزش برای سیستم‌های هوش مصنوعی فیزیکی Training mechanisms for Physical AI systems
تبدیل شبیه‌ساز به واقعیت با NVIDIA Isaac Sim Sim-to-Real using NVIDIA Issac SIM
یادگیری ربات با NVIDIA Isaac Lab Robot Learning with NVIDIA Issac Lab
سنجش دانش: NVIDIA Isaac Sim و Isaac Lab Knowledge check: NVIDIA Isaac Sim & Isaac Lab

تأثیرات تجاری و آینده هوش مصنوعی فیزیکی Business impact & future of Physical AI

کاربردهای عملی و تأثیرات تجاری سیستم‌های هوش مصنوعی فیزیکی Practical applications & Business impact of Physical AI systems
خلاصه دوره، نتیجه‌گیری و گام‌های بعدی Course summary, conclusion and next steps.