Skip to main content

Applied Edge AI Vision using AMD KR260/KV260 for Robotics and Automation

TESA
COURSE OVERVIEW

Edge AI Vision for Robotics using AMD KR260

เรียนรู้การนำ AMD Kria มาใช้เป็นแพลตฟอร์ม Edge AI Vision ตั้งแต่การเตรียมบอร์ด การทดลองโมเดล Computer Vision ไปจนถึงการนำผลลัพธ์จาก Vision ไปควบคุมระบบหุ่นยนต์และ AMR อย่างเป็นลำดับ

เกี่ยวกับหลักสูตร

หลักสูตรนี้ออกแบบมาเพื่อให้ผู้เรียนเห็นภาพการทำงานของระบบ Edge AI ตั้งแต่ต้นทางถึงปลายทาง ไม่ได้หยุดอยู่เพียงการเปิดโมเดลให้ตรวจจับวัตถุได้ แต่เน้นให้เข้าใจว่าข้อมูลจากกล้องถูกนำเข้าสู่กระบวนการประมวลผลอย่างไร ผลลัพธ์จาก AI ถูกตีความอย่างไร และสามารถนำไปใช้กับระบบ Robotics หรือ Automation ได้อย่างไร

ผู้เรียนจะเริ่มจากการเตรียม AMD KR260/KV260 และระบบ Ubuntu ฝึกใช้งาน AMD Vitis AI Model Zoo เพื่อทดลอง Object Detection แบบ Real-time จากกล้อง Webcam จากนั้นจึงต่อยอดบน KR260 ไปสู่ Simulation / Digital Twin, Line/Lane Vision, Decision Logic และการควบคุมมอเตอร์ผ่าน GPIO/PWM และ L298N

เส้นทางการเรียนรู้ของหลักสูตร

01
Getting Started

รู้จัก KR260/KV260, Hardware Interface, การ Flash Image, Ubuntu, Network และ SSH

02
AI Vision & Model Zoo

ทำความเข้าใจ AI Vision, เลือกโมเดล, Deploy และทดลอง Object Detection ผ่าน Webcam

03
Vision-Controlled Robotics

เชื่อม Vision → Decision → Simulation → GPIO/PWM → Motor Driver → AMR

ภาพรวมการทำงานที่ผู้เรียนจะได้เห็น

Cameraรับภาพจาก Webcam
VisionAI / Image Processing
Decisionวิเคราะห์ผลและสร้างคำสั่ง
ControlGPIO / PWM
RobotL298N / Motor / AMR

เมื่อเรียนจบ ผู้เรียนจะสามารถ

อธิบายบทบาทของ KR260/KV260 ในระบบ Edge AI และ Computer Vision ได้
เตรียม MicroSD Card, Boot Ubuntu, เชื่อมต่อ Network และใช้งาน SSH เบื้องต้นได้
ค้นหาและเลือกโมเดลจาก AMD Model Zoo ให้เหมาะกับงานทดลองได้
ทดลอง Object Detection แบบ Real-time และอ่าน Bounding Box, Label, Confidence และ FPS ได้
ใช้ Simulation / Digital Twin เพื่อตรวจสอบ Vision และ Control Logic ก่อนใช้มอเตอร์จริงได้
เข้าใจการเชื่อม KR260 กับ L298N ผ่าน GPIO/PWM และหลักการ Differential Drive ได้

รูปแบบการเรียน

เนื้อหาถูกจัดเป็นบทเรียนสั้น ๆ ที่เชื่อมต่อกัน พร้อม Workshop เพื่อให้ผู้เรียนได้ทดลองกับบอร์ดจริง โดยเริ่มจากการตรวจสอบระบบทีละส่วนก่อนรวมเป็นระบบที่ซับซ้อนขึ้น แนวทางนี้ช่วยให้แยกปัญหา Hardware, Software, Vision และ Control ออกจากกันได้ง่าย

AMD KR260 / KV260 Ubuntu AMD Vitis AI Model Zoo Computer Vision Simulation / Digital Twin GPIO / PWM L298N AMR

พื้นฐานที่แนะนำ

ผู้เรียนควรมีความคุ้นเคยกับการใช้งานคอมพิวเตอร์และคำสั่ง Linux เบื้องต้น หากเคยใช้งานบอร์ด Embedded หรือผ่านการทดลอง Edge AI มาก่อนจะช่วยให้เรียนได้รวดเร็วขึ้น แต่ Workshop ถูกจัดลำดับให้สามารถทำตามทีละขั้นได้

Enroll