机器人和自治系统的MATLAB和Simulink

开发从感知到运动的自主应用程序，并优化系统级行为

获得免费试用
联系销售人员

机器人研究人员和工程师使用MATLAB和Simulink设计、模拟和验证自主系统的各个方面，从感知到运动。

  • 将机器人系统建模到最精细的细节，如传感器噪音和电机振动。
  • 用精确的运动学、动力学和接触特性模拟机器人系统。
  • 设计并优化高级自治和低级控制。
  • 使用维护的算法库合成和分析传感器数据。
  • 逐步验证机器人设计或算法，从模拟到硬件在役（HIL）测试。
  • 通过ROS将算法部署到机器人，或直接部署到微控制器、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Agile Justin 53自由度的复杂性。如果没有基于模型的开发，就不可能为如此复杂的机器人系统构建具有硬实时性能的控制器。”

Berthold Bäuml，德国航空航天中心（DLR）

设计硬件平台

创建一个3D物理模型或自动飞行器、无人机和机械手的机电模型，用于控制算法的模拟、优化和强化学习。

  • 从URDF文件或CAD软件导入现有的三维模型。
  • 通过实现动力学、接触、液压和气动，使模型在物理上精确。
  • 通过添加电气图层来完成数字双胞胎。

 

教程

了解更多信息

探索产品

感知环境

处理传感器数据

在MATLAB和Simulink中使用强大的工具箱实现传感器数据处理算法。

  • 通过ROS、串行和其他类型的协议连接到传感器。
  • 可视化来自摄像头、声纳、激光雷达、GPS和IMU的数据。自动化常见的传感器处理任务，如传感器融合、过滤、几何变换、分割和注册。

 

教程

了解更多信息

探索产品

感知环境

使用内置的交互式MATLAB应用程序来实现对象检测和跟踪、定位和映射的算法。

  • 实验和评估不同的神经网络用于图像分类、回归和特征检测。
  • 自动将算法转换为C/C++、定点、HDL或CUDA®用于部署到硬件的代码。

 

感知环境

教程

了解更多信息

探索产品

规划和决策

使用主动维护的算法库为定义为点质量或具有运动学和动力学约束的系统的机器人实现2D或3D路径规划。使用Stateflow执行任务规划®，定义实时决策所需的条件和操作。

教程

了解更多信息

探索产品

连接到硬件

与平台和目标沟通

将自治算法部署到基于ROS的系统和微控制器（如Arduino）®和覆盆子Pi™。通过CAN、EtherCAT等协议与嵌入式目标通信®、802.11™、TCP/IP、UDP、I2C、SPI、MODBUS®、和蓝牙®.

教程

硬件接口支持

探索产品

“通过MATLAB和Simulink，我们可以使用单一的环境进行控制算法开发、调试、数据分析，以及更多地在多个工具之间切换。这种集成减少了总体项目开发时间和引入错误的机会。”

伦斯勒理工学院John Wen博士

相关应用程序和主题

机器人操纵器

移动机器人

无人机

30天免费试用

开始

有问题吗？

与机器人专家交谈。

给我们发电子邮件