MATLAB^® & Simulink^® 於機器人和自主系統的應用發展 從感知到運動 自主應用程式的開發及系統級行為的最佳化

設計硬體平台

建立自動駕駛汽車、無人機和機械手臂的3D物理模型或機電模型，用於控制演算法模擬、最佳化和強化學習。

• 匯入URDF檔案或CAD軟體現有的3D模型。
• 實作動力學、接觸力、液壓和氣壓使模型具備物理上的準確性。
• 透過加入電路圖層完成數位分身的建立。

處理感測器數據

使用MATLAB和Simulink中強大的工具箱實現感測器資料處理演算法。

• 透過ROS、序列埠和其他類型的協定連接到感測器。
• 視覺化攝影機、聲納、光達、GPS和IMU的數據。自動執行常見的感測器處理任務，例如感測器融合、濾波、幾何轉換、分割和校準。

感知環境

使用內建互動式MATLAB應用程式來實現物件偵測和追蹤、定位和製圖演算法。

• 試驗並評估用於影像分類、迴歸和特徵檢測的神經網路。
• 自動將演算法轉換為C/C++、定點、HDL或CUDA®程式碼，以便部署至硬體。

規劃與決策

使用持續維護的演算法庫，為機器人實現2D或3D路徑規劃，不論是點質量模型，或具備運動學與動力學限制的系統。使用Stateflow®執行任務規劃，定義即時決策所需的條件與動作。

設計控制系統

使用內建的互動式MATLAB應用程式分析複雜系統在時域和頻域中的行為。採用確定性方法、最佳化方法或強化學習方法設計回授控制器。

與平台和目標硬體進行溝通

將自主演算法部署到ROS的系統和微控制器，例如Arduino™和Raspberry Pi™。透過 CAN、EtherCAT™、802.11™、TCP/IP、UDP、I2C、SPI、MODBUS™和藍牙™等協定與嵌入式目標硬體進行通訊。