MATLAB und Simulink im Bereich Robotik und autonome Systeme

Entwickeln Sie autonome Anwendungen: von der Wahrnehmung bis zur Bewegung und Optimierung des Verhaltens auf Systemebene

Robotik-Wissenschaftler und Ingenieure nutzen MATLAB® und Simulink®, um jeden Aspekt autonomer Systeme zu entwerfen, zu simulieren und zu verifizieren — von der Wahrnehmung bis zur Bewegung.

  • Modellierung von Robotik-Systemen bis hin zu den kleinsten Details wie Sensorrauschen und Motorvibration.
  • Simulation von Robotik-Systemen mit präziser Kinematik, Dynamik und Kontakteigenschaften.
  • Entwurf und Optimierung sowohl der High-Level-Autonomie als auch der Low-Level-Steuerung.
  • Synthese und Analyse von Sensordaten mit einer gepflegten Bibliothek von Algorithmen.
  • Schrittweise Verifizierung des Roboter-Entwurfs oder Algorithmus, von der Simulation bis zum Hardware-in-the-Loop (HIL)-Test.
  • Bereitstellung von Algorithmen auf Robotern über ROS oder direkt auf Mikrocontrollern, FPGAs, PLCs und Grafikkarten. 

„Durch Model-Based Design und die automatische Codegenerierung sind wir in der Lage, die Komplexität der 53 Freiheitsgrade von Agile Justin zu bewältigen. Ohne Model-Based Design wäre es unmöglich gewesen, die Steuerungen für ein so komplexes Robotersystem unter Berücksichtigung der harten Echtzeit-Performance zu bauen.“

Berthold Bäuml, German Aerospace Center (DLR)

Erfolgsberichte von Kunden

Entwurf der Hardware-Plattform

Erzeugen Sie ein physikalisches 3D-Modell oder ein elektromechanisches Modell von autonomen Fahrzeugen, Drohnen und Manipulatoren für die Simulation, Optimierung und das Verstärkungslernen von Regelungsalgorithmen.

  • Importieren Sie vorhandene 3D-Modelle aus URDF-Dateien oder CAD-Software.
  • Gestalten Sie das Modell physikalisch genau, indem Sie die Dynamik, Kontakte, Hydraulik und Pneumatik implementieren.
  • Durch Hinzufügen eines elektrischen Diagramm-Layers werden die digitalen Zwillinge vervollständigt.

 


Wahrnehmung der Umgebung

Verarbeitung der Sensordaten

Implementierung von Algorithmen zur Sensordatenverarbeitung mit leistungsstarken Toolboxen in MATLAB und Simulink.

  • Verbindung zu Sensoren über ROS, Seriell und andere Protokolltypen.
  • Visualisierung von Daten aus Kameras, Sonar, LiDAR, GPS und IMUs. Automatisierung gängiger Sensorverarbeitungsaufgaben wie Sensor Fusion, Filterung, geometrische Transformation, Segmentierung und Registrierung.

 


Wahrnehmung der Umgebung

Mit den integrierten interaktiven MATLAB-Apps lassen sich Algorithmen zur Objekterkennung und zum Tracking sowie zur Lokalisierung und Kartierung implementieren.

  • Experimentieren und bewerten Sie verschiedene neuronale Netze zur Bildklassifizierung, Regression und Merkmalserkennung.
  • Die Algorithmen werden automatisch in C/C++, Fixed-Point-, HDL- oder CUDA®-Code konvertiert, um sie in der Hardware einzusetzen.

 

Wahrnehmung der Umgebung

Planung und Entscheidungsfindung

Verwenden Sie eine laufend gepflegte Algorithmen-Bibliothek, um eine 2D- oder 3D-Pfadplanung für einen Roboter zu implementieren, der entweder als Punktmasse oder als System mit kinematischen und dynamischen Voraussetzungen definiert ist. Führen Sie die Aufgabenplanung mit Stateflow® durch und definieren Sie dabei die für die Entscheidungsfindung erforderlichen Bedingungen und Aktionen in Echtzeit.


Entwurf von Regelungssystemen

Nutzen Sie integrierte interaktive MATLAB-Apps, um das Verhalten komplexer Systeme im Zeit- und Frequenzbereich zu analysieren. Entwerfen Sie Feedback-Regler im Rahmen des deterministischen Ansatzes, des Optimierungsansatzes oder des Ansatzes des Verstärkungslernens.

Entwurf von Regelungssystemen

Aufbauen von Verbindungen zu Hardware

Kommunikation mit Plattformen und Zielen

Stellen Sie autonome Algorithmen auf ROS-basierten Systemen und Mikrocontrollern wie Arduino® und Raspberry Pi™ bereit. Kommunizieren Sie mit eingebetteten Zielen über Protokolle, wie CAN, EtherCAT®, 802.11™, TCP/IP, UDP, I2C, SPI, MODBUS® und Bluetooth®.


„Mit MATLAB und Simulink können wir eine einzige Umgebung für die Entwicklung von Regelungsalgorithmen, die Fehlersuche, Datenanalyse und vieles mehr verwenden, anstatt zwischen mehreren Tools wechseln zu müssen. Eine solche Integration reduziert die Gesamtentwicklungszeit eines Projektes sowie seine Fehleranfälligkeit.“

Dr. John Wen, Rensselaer Polytechnic Institute