معرفی اجمالی دوره
ROS چیست؟
ROS مخفف عبارت Robatic Operating System به معنای سیستم عامل رباتیک است. فریمورک راس یک چارچوب انعطافپذیر برای نوشتن نرمافزار ربات است. این ابزار مجموعهای از کتابخانهها و پکیجهای متعدد را شامل میشود که هدف آن ساده کردن رفتار پیچیده ربات در گستره وسیعی از بسترهای رباتیکی است.
ایجاد یک نرمافزار کاملا مقاوم و هدفمند برای ربات کار بسیار دشواری است. بعضی از مشکلات برای انسانها بیاهمیت به نظر میرسند، درحالیکه آنها از دیدگاه ربات اینگونه نیستند. ممکن است این مشکلات با اتفاقات غیرمنتظره که اغلب با سختی و پیچیدگی همراه است، به وجود بیاید. هیچ فرد، آزمایشگاه یا موسسهای به تنهایی نمیتواند از پس این مشکلات برآید.
نرم افزار ROS از همان ابتدا بدین منظور ساخته شده است تا توسعه نرمافزار رباتیک مشترک را تشویق کند. به عنوان مثال، یک آزمایشگاه ممکن است متخصص در نقشهبرداری از محیطهای داخلی باشد و میتواند برای تولید نقشه کمک کند. گروه دیگری ممکن است متخصصانی برای استفاده از نقشهها در جهت پیمایش (navigate) داشته باشند و گروه دیگری در حوزه بینایی ماشین فعالیت کنند. ROS به شکل خاصی برای همه گروهها ساخته شده است تا همه بتوانند در کنار هم کار کرده و بدون مشکل از نتیجه کار یکدیگر استفاده کنند.
دوره آموزش نرم افزار ROS ابتدا شما را به طور کامل با شیبهساز گزبو و چگونگی نصب و راهاندازی آن آشنا میکند. شبیهسازی موبایلربات ساده، در این فضا و سایر رباتها به زبان xml در فرمت sdf و همچنین نحوه استفاده از مشها بخشی از کاربردهای این دوره آموزشی است. با کمک این دوره میتوانید مثالهای متنوعی از سنسورها و رباتهای مختلف را بررسی کنید. همچنین در پایان طراحی و شبیهسازی با چند نمونه مثال عالی از رباتهای مختلف مانند velodyne و یک بازوی و گریپر آشنا میشوید.
ویژگیهای دوره
آنلاین، پروژه محور، همراه با تالار گفتگو و ارائه گواهینامه پایان دوره
فصول دوره
فصل1- مقدمه و آشنایی با ROS و GAZEBO فصل2- آموزش GAZEBO فصل3- آموزش ROS;
معرفی مدرس
عارف رحیمی
عارف رحیمی دانشآموخته کارشناسی ارشد رشته مکاترونیک از دانشگاه امیرکبیر است و در حوزه رباتیک فعالیت دارد. وی عضو تیم خودرو خودران تیم رباتیک دانشگاه امیرکبیر است و پایاننامه وی طراحی ربات جمعآوری زباله در بستر ناهموار میباشد. تخصص وی در زمینه موبایلرباتها و ناوبری آنها است. ایشان در زمینه کنترل با شبکه عصبی ،کنترل فازی و یادگیری ماشین نیز فعالیت دارند.
روش ارزیابی و نمرهدهی
حد نصاب قبولی در دوره: 75.0 نمره، فارغالتحصیل شدن در این دوره نیاز به ارسال تمرینها و پروژههای الزامی دارد
نمونه گواهینامه