在MATLAB R2019b新机器人是什么?

发布的塞巴斯蒂安·卡斯特罗,2019年9月25日

(30天)| 21视图0喜欢|2的评论

在MATLAB R2019b,主要产品有更新和新工具。你可以看一下发布说明完整列表,但这个博客的功能我觉得最令人兴奋的和相关的机器人和自治系统。

机器人仿真

机器人系统工具箱保留一组特定的建模与仿真工具对不同类型的机器人。特别关注机器人提供低保真模型,底层控制是代表一个现实的系统,所以你可以快速测试高级算法运动规划、任务规划、和行为。此外,还有更详细的分析工具,提供对底层控制设计工作流的支持。金宝app

操纵者

现在有一个图书馆的商业机器人模型,低保真关节空间和工作空间运动模型,捕捉常见的闭环控制策略的行为,和碰撞检测简单的形状或网格之间。所有这些集成的工具进行运动学和动力学分析和轨迹规划已经存在在以前版本的机器人系统工具箱。

一定要检查新机器人机械手,从例子基本轨迹规划来完成拾起并定位任务计划。

地面车辆/移动机器人

移动机器人,有新的低保真运动运动模型为不同类型的移动平台——最常见的微分动力和轮式车辆。这些模型可以与传感器模型和路径规划导航工具箱中包含更多的细节(参见下一节)原型自主导航算法。他们也可以用来设计基于模型的路径规划和追随者等模型预测控制。

一定要检查新仓库的机器人,从例子一个机器人的基本路径规划来一群机器人任务规划和协调。

露台Cosimulation

现在有一个仿真软件和之间的直接接口金宝app露台模拟器。

我们已经能够连接到露台通过活性氧在过去,但与直接接口现在可以驱动仿真软件模型的执行露台世界的动态这两个工具都总是同步的。金宝app这将使您能够使用仿真软件进行设计金宝app控制算法而得到合成传感器数据从露台(如图像和激光雷达)。

我个人最喜欢的应用这项技术的训练强化学习(RL)代理,通常需要行动在一个时间步的观察导致下一个时间步。下面是我尝试训练模拟Kinova Gen3机器人手臂将其夹在一个对象使用深决定性策略梯度(DDPG)算法。与露台我环境,观察输入包括arm-mounted相机的照片所以我可以训练特工的基础上卷积神经网络(cnn)。

了解更多关于机器人系统工具箱。

导航和运动规划

自主导航技术的必要性存在跨各种平台,无论是移动机器人,机械手、机器人、无人驾驶汽车、或任何其他自主车辆(空间、空气、土地、水、或其他)。

导航的工具箱包含一个堆栈的算法,跨越任何通用的导航工作流系统。这个工作流程大致可以分为本地化和映射(大满贯)相结合,路径规划,路径跟踪(包括避障)。最重要的这个版本的更新映射和路径规划,但我将鼓励你通过的看导航工具文档页面所以你可以看到所有可用。

主要的新映射功能自我中心的入住率地图,也被称为当地的地图。以自我为中心的地图通常较小的区域(相对于完整的全球地图)基于机器人坐标系。这些地图是为了有效地移动机器人的直接环境。而全球地图是用于start-to-goal路径规划,当地的地图通常出现在路径跟踪路径修正或避障等任务。

(左)模拟机器人路径规划后使用全局入住率地图。(正确的)自我中心用房地图创建模拟激光雷达扫描的机器人。

还有一个新例子3 d大满贯使用激光雷达点云这显示了如何结合3 d入住率地图和姿势图后端与MATLAB的点云处理能力。

导航工具箱包含sampling-based路径规划等混合一个*和快速扩展随机树(RRT)。不像概率路线图(人口、难民和移民事务局)规划师已经存在在以前的版本中,这些新的规划者能够处理非完整约束——用简单的话说,他们可以样本运动符合实际系统的约束,如最小转弯半径的轮式机器人,或为一个多连杆机器人无碰撞配置。

(左)与RRT路径规划*轮式车转弯半径有限。(右)混合*规划为一个自治轮式车停车操作

一个令人兴奋的事情(我)对路径规划导航工具箱是其基础设施设计初学者和开发人员。虽然会有一些常见问题的内置工具(如轮式车路径规划为一个2 d),整个状态空间,验证器,规划者是可定制的。有一些例子证明这一点,例如变化的著名的“钢琴搬运公司的问题”和与RRT collision-aware机械手运动规划。