CAS Physical AI & Robotics

Dieses Weiterbildungsprogramm richtet sich an Fachleute, die:

• über einen Abschluss in Ingenieurwissenschaften oder Naturwissenschaften verfügen (z. B. Elektrotechnik, Maschinenbau, Mechatronik, Informatik, Datenwissenschaft, Physik, Systemtechnik) und möglicherweise wenig oder nur teilweise Vorkenntnisse in den Bereichen KI oder Robotik haben.
• in einem für die physikalische KI relevanten Bereich (Hardware, Software oder maschinelles Lernen) tätig sind und die ergänzenden Fähigkeiten erwerben möchten, die zum Verständnis und zur Implementierung kompletter Robotersysteme erforderlich sind.
• einen Wechsel in den wachsenden Bereich der Robotik und der verkörperten KI anstreben und eine strukturierte, praxisorientierte Einführung benötigen, die mechanisches Design, Steuerung, Softwarearchitektur und moderne KI-Techniken umfasst.

Am Ende des Programms werden die Teilnehmenden in der Lage sein:

• über die Rolle als Nutzer von Robotersystemen hinauszuwachsen und zu Entwicklern zu werden, die Roboterfähigkeiten analysieren, erweitern und an neue Aufgaben und Umgebungen anpassen können, unabhängig davon, ob sie aus den Bereichen Hardware, Software oder maschinelles Lernen kommen.
• Roboterarbeitsbereiche und -aufgaben zu analysieren, geeignete (mobile) Roboter, Aktuatoren, Sensoren und Hardwarearchitekturen auszuwählen sowie die entsprechenden Steuerungsstrukturen und Echtzeit-Kommunikationssysteme zu entwerfen.
• verschiedene Ansätze zum Aufbau intelligenter Robotersysteme, von Manipulatoren bis hin zu mobilen Robotern, zu verstehen und zu vergleichen sowie die Vor- und Nachteile klassischer und lernbasierter Methoden zu bewerten und zu erlernen, wie man das Beste aus beiden Welten nutzt.
• Robotersoftwaresysteme unter Verwendung des Robot Operating System (ROS), von Simulationen sowie verteilten oder cloudfähigen Architekturen zu entwerfen und zu implementieren, einschließlich der Integration externer KI-Dienste.
• vollständige Physical-AI-Systeme zu entwickeln, von agentenbasierten Ansätzen bis hin zu End-to-End-Lernen.
• moderne, lernbasierte Methoden in der Robotik anzuwenden, bestärkendes Lernen und Foundation-Modelle für Navigation und Manipulation zu nutzen, vortrainierte multimodale Modelle zu bewerten und zu nutzen sowie die Grenzen, Chancen und Risiken generativer KI für autonome Robotersysteme zu erkennen.

Modul „Einführung“

• Physikalisches Design
• Computer und Server, Linux-Grundlagen, Python-Umgebungsmanagement, Docker
• Einführung in die KI, praktisches überwachtes Lernen, neuronale Netze, Deep Learning
• Grundlagen der Robotik-Software: ROS-Knoten und Grundlagen der Kommunikation

Modul „Roboterdesign, Aktoren, Sensoren und Steuerung (HW)“

• Kinematisches Design von Manipulatoren und mobilen Robotern, Koordinatentransformationen
• Aktuatoren: Motoren, Getriebe, Antriebssysteme
• Sensoren: Position, Geschwindigkeit, Kraft, Drehmoment
• Bewegungssteuerung
• Hardwarearchitektur und Feldbusse für Echtzeitkommunikation

Modul „Robotersoftwaresysteme und ROS (SW)“

• ROS-Grundlagen und -Architektur
• Robotermodelle, Visualisierung, Simulation
• Erstellung von ROS-Paketen
• Roboterpose, Koordinatentransformationssysteme
• SLAM, Navigation, Wahrnehmung
• Steuerung auf Softwareebene
• Bewegungsplanung und -ausführung für Roboterarme (MoveIt, Pick & Place, Task Constructor)
• Abwägungsprozesse
• Verteilte Robotik

Modul „Lernbasierte Robotik und verkörperte KI (ML)“

• Rolle von ML in Wahrnehmungs-Planungs-Steuerungs-Schleifen
• End-to-End-Lernen bei autonomen Robotern (inkl. autonomes Fahren)
• Diffusionsmodelle und generative Strategien in der Robotersteuerung, selbstüberwachtes Lernen
• Grundlagen des verstärkenden Lernens (RL) und Sim-to-Real-Transfer; modellfreies vs. modellbasiertes RL; RL für Manipulationsaufgaben
• Verkörperte Grundmodelle: Vision-Language-Action-Modelle (VLAs) / Large Behavior Models (LBMs)
• Simulationstools für das Lernen

Das Programm verbindet Vorlesungen, Fallstudien und praktische Übungen mit Gruppenarbeit, Selbststudium und E-Learning-Elementen. Diese Kombination stellt sicher, dass die Teilnehmer die vermittelten Konzepte direkt in ihrem beruflichen Umfeld anwenden können.

Teilnehmende, die das Programm erfolgreich abschliessen, erhalten das Zertifikat «CAS ZHAW in Physical AI & Robotics». Das Programm entspricht 12 ECTS-Punkten.

Der Unterricht findet einmal pro Woche donnerstags statt. Das Programm dauert fünf Monate. Der detaillierte Stundenplan wird spätestens einen Monat vor Beginn zur Verfügung gestellt. Die Ferien richten sich nach den offiziellen Schulferien der Stadt Winterthur.

Das Weiterbildungsprogramm wird von einem Team erfahrener Dozenten geleitet, die fundierte akademische Qualifikationen mit umfassender Praxiserfahrung verbinden. Zu den Dozenten gehören:

• Prof. Dr. Marcel Honegger
• Dr. Jorge Pena Queralta
• Dr. Giovanni Toffetti Carughi
• Prof. Dr. Thilo Stadelmann

Von den Bewerbern wird ein Hochschulabschluss (Fachhochschule, Universität, ETH) erwartet. Fachkräfte mit gleichwertiger Berufserfahrung können ebenfalls zugelassen werden, sofern sie die erforderlichen Kompetenzen nachweisen können. Grundlegende Programmierkenntnisse und Erfahrung mit Python werden vorausgesetzt; Kenntnisse in anderen Programmiersprachen (C/C++) sind von Vorteil. Eine Affinität zu Mechatronik und Datenanalyse wird empfohlen.