Matlab和Imul金宝appink用于机器人和自主系统

从感知到运动和优化系统级行为的自主应用

机器人研究人员和工程师使用MATLAB®和模拟金宝app®设计,模拟和验证自治系统的各个方面,从感知到运动。

  • 模型机器人系统下降到最佳细节,如传感器噪声和电机振动。
  • 用精确的运动学,动力学和联系属性模拟机器人系统。
  • 设计并优化高级自主权和低级控制。
  • 用维护的算法库综合和分析传感器数据。
  • 逐渐验证机器人设计或算法,从仿真到循环(HIL)测试。
  • 通过ROS将算法部署到机器人,或直接到微控制器,FPGA,PLC和GPU。

“基于模型的设计和自动代码生成使我们能够应对敏捷贾斯汀的53自由度的复杂性。如果没有基于模型的设计,则无法为这种复杂的机器人系统构建控制器,具有硬实时性能。“

德国航空航天中心(DLR)Bertholdbäuml

设计硬件平台

为仿真,优化和加固控制算法创建一种自主车辆,无人机和操纵器的3D物理模型或机电模型。

  • 从URDF文件或CAD软件导入现有的3D模型。
  • 通过实现动态,触点,液压和气动性,使模型进行物理准确。
  • 通过添加电气图层来完成数字双胞胎。


处理传感器数据

在MATLAB和SIMULINK中实现具有强大工具箱的传感器数据处理算法。金宝app

  • 通过ROS,串行和其他类型的协议连接传感器。
  • 可视化摄像机,声纳,LIDAR,GPS和IMU的数据。自动化公共传感器处理任务,如传感器融合,过滤,几何变换,分段和注册。


感知环境

使用内置交互式MATLAB应用程序来实现对象检测和跟踪,本地化和映射的算法。

  • 实验和评估不同神经网络的图像分类,回归和特征检测。
  • 自动将算法转换为C / C ++,固定点,HDL或CUDA®部署到硬件的代码。


规划和决策

使用积极维护的算法库来实现用于机器人的2D或3D路径规划,其定义为具有运动和动态约束的点质量或系统。使用StateFlow执行任务计划®,定义实时决策所需的条件和行动。


设计控制系统

使用内置交互式MATLAB应用程序,分析时间和频率域中复杂系统的行为。在确定性方法,优化方法或加强学习方法中设计反馈控制器。


与平台和目标进行沟通

将自主算法部署到基于ROS的系统和微控制器,如Arduino®和覆盆子pi™。通过协议与嵌入式目标进行通信,包括CAN,EtherCAT®,802.11™,TCP / IP,UDP,I2C,SPI,Modbus®和蓝牙®


“使用MATLAB和Simulin金宝appk,我们可以使用单个环境进行控制算法开发,调试,数据分析以及更多 - 而不是在多个工具之间切换。该集成可降低整体项目开发时间和引入错误的机会。“

John Wen博士,Rensselaer理工学院