“通过机器人系统工具箱，我们直接从我们在Matlab开发的算法中无缝连接并控制我们的机器人，使我们能够尽量减少开发时间。我们使用我们获得的时间进一步研究我们对新的触觉对象识别算法。“
奈良奈良科斯鲁巴拉，奈良科技学院
可以通过触觉感觉代替视觉线索识别对象的机器人具有广泛的潜在应用，包括外科手术和救援行动。奈良科技学院智能系统控制实验室（NAIST）的研究人员开发了一种算法，使配备有传感器的灵巧机器人手通过压力，振动和温度来识别物体。对象识别算法采用主动学习方法：手执行诸如摩擦，挤压或拉动对象的动作，从而获得它用于规划下一个动作的触觉信息。
纳斯特研究人员使用MATLAB®和机器人系统工具箱™开发两种用于触觉对象识别的算法。第一种使用机器学习技术来开发来自观察到的传感器数据的概率模型。第二个使用学习模型来识别不同的对象。
“Matlab让我们专注于进行我们的研究而不是写作代码，”纳斯省助理教授Takamitsu Matsubara说。“通常，当我们使用新的机器人时，有一个冗长的代码写入阶段，但MATLAB和机器人系统工具箱使我们能够最大限度地减少此阶段并专注于提高主动触觉对象识别。”
NAIST研究人员使用MATLAB和机器人系统工具箱来开发触觉对象识别算法，并完全自动化其工作流程。
在MATLAB工作本集团开发了学习和对象识别算法的初始版本。这两种算法都包含了一个高斯过程潜变量模型，也在Matlab中开发。
该团队在学习算法中使用了来自全局优化工具箱和优化工具箱™的功能，以确定需要采集有关所学习对象的对象的缺失信息的计划。
对于对象识别算法，它们使用优化工具箱函数来标识将提供有关对象最有用的新信息的探索性操作。
在测试实际机器人上的算法之前，研究人员使用目标对象的数学模型来生成MATLAB的模拟来生成输入数据。
它们通过在使用并行计算工具箱™的多核计算机的多个处理器上执行它们来加速模拟，优化和矩阵操作。
为了建立算法和启用ROS的阴影机器人之间的通信，团队使用机器人系统工具箱直接从他们的MATLAB代码访问机器人的ROS API。
它们在其算法中调用了机器人系统工具箱功能，用于将手和指尖位置发布到机器人，并从机器人订购Biotac传感器数据。
Naist团队已经完成了能够识别10个不同对象的算法的开发。他们正在研究可以识别100个或更多的增强版本。
减少了数百个手动步骤。“在我们使用MATLAB使用机器人系统工具箱之前，学习过程需要大约24小时才能完成，”Daisuke Tanaka，研究人员和博士说。娜斯特候选人。“现在这个过程是完全自动化的，所以我们一整天都可以在机器人面前站立，而我们可以在没有我们的情况下完成任务的同时进行我们的工作。”
尝试新算法的机会增加。“毫无疑问，Matlab和机器人系统工具箱使我们能够专注于我们的研究而不是写入C ++代码，”Tanaka说。“因此，我们有更多的时间来探索新算法。”
与其他学生和研究人员共享的专业知识。“在我们在使用Matlab和机器人系统工具箱的成功之后，Naist的初级学生也开始使用Matlab与ROS为基础的机器人，”Matsubara博士说。“使用MATLAB创建自动化环境使我们能够通过我们的专业知识到其他学生和研究人员。”
您还可以从以下列表中选择一个网站：