一、人工智能教学实验平台AIARMC
1)采用了人工智能计算机视觉与语音技术+嵌入式Linux技术+物联网技术+机械臂控制技术+AR技术的融合；
2)同时满足了“人工智能+嵌入式”、“人工智能+物联网” 、“人工智能+机器人”的基础教学需求；
3)设计了多个创新教学项目：AI计算机视觉仓库货物分拣、整理；AI语音机械臂控制、货物分拣；AR仓库货物分拣；AI人脸识别开门；手势识别远程遥控等；
4)视觉摄像头结合机械臂，采用了移动侦测目标方式（非固定摄像头方式）；
5)采用了高性能的人工智能计算单元；
6)配套设计了系统的“嵌入式人工智能”课程体系；
7)配套系统的Python、PyTorch、TensorFlow、PaddlePaddle及人工智能机器学习相关理论及应用实验；
8)配套系统的AI+嵌入式开发、AI+机械臂开发以及AI+物联网技术开发的相关理论及应用开发；

二、离线与在线人工智能学习方法
离线的人工智能学习：学生学习环境部署、算法以及网络构建，通过构建网络以及调节网络超参数实现在服务器或者学生电脑上训练网络，完成训练模型，然后将模型下载到边缘计算终端完成预测，得到预测结果，学生可以在这个过程中学习人工智能的整体部署思路、对人工智能的认识以及研究更深入。适合系统研究人工智能学习的整个过程，可以自己设计模型，做一些简单的算法处理，验证算法。
在线的人工智能学习：学生直接调用第三方百度的AI开放平台，将需要预测的图片或者语音内容传输到百度的人工智能算法网络，算法网络会给出识别结果，这种在线算法无需自己构建网络和调节超参数，简化学习步骤，适合应用集成。

三、配套课程资源
1）标准课程资源：
Python基础教程
机器视觉与计算机视觉
机器学习算法
机械臂开发与二次开发
嵌入式Linux应用开发
人工智能框架与算法-TensorFlow
人工智能框架与算法-PaddlePaddle
自然语言处理
物联网与RFID
2）人工智能体系专精课程资源：
PyTorch框架与基础操作
机器学习算法原理——基于PyTorch
深度学习基础案例——基于PyTorch
深度学习基础算法——基于PyTorch
计算机视觉原理与经典神经网络——基于PyTorch
自然语言处理RNN与经典神经网络——基于PyTorch
Transformer与经典神经网络——基于PyTorch

四、实验内容
人工智能基础实验——基于TensorFlow
人工智能基础实验——基于PaddlePaddle
人工智能开发——基于PyTorch2
机器视觉实验
物联网开发实验
机械臂控制应用开发
Qt应用程序开发
项目开发例程

更多信息，请联系革新。