机器人和自主系统的MA金宝appTLAB和Simulink

开发从感知到运动的自主应用,优化系统级行为

机器人研究人员和工程师使用MATLAB®和仿真软金宝app件®设计、模拟和验证自动系统的每个方面,从感知到运动。

  • 将机器人系统建模到最细微的细节,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。
  • 设计和优化高级自治和低级控制。
  • 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或直接将算法部署到微控制器、fpga、plc和gpu上。

“基于模型的设计和自动代码生成使我们能够应对敏捷Justin提出的53个自由度的复杂性。如果没有基于模型的设计,就不可能为如此复杂的机器人系统构建具有实时性的控制器。”

Bäuml,德国航空航天中心(DLR)

硬件平台设计

创建自动驾驶车辆、无人机和机械手的三维物理模型或机电模型,以进行仿真、优化和强化控制算法的学习。

  • 从URDF文件或CAD软件中导入现有的3D模型。
  • 通过执行动力学、接触、液压和气动,使模型在物理上精确。
  • 通过添加一个电气图层来完成数字双胞胎。


处理传感器数据

利用MATLAB和Simulink中强大的工具箱实现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到传感器。
  • 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®用于部署到硬件的代码。


规划及决策

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

将自动算法应用到基于ros的系统和Arduino等微控制器上®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