matlab® 和 simulink® 提供一系列算法、建模和仿真工具，并支持 ros 和硬件连接，可用于开发自主移动机器人 (amr)、服务机器人和其他无人地面交通工具 (ugv)。
借助 matlab 和 simulink，您能够：
- 导入机器人的虚拟模型，细化机械设计和电子元件的需求
- 针对惯性导航系统和 gnss 传感器进行传感器模型仿真
- 使用粒子滤波和蒙特卡罗定位等算法定位机器人
- 使用同步定位与地图构建 (slam) 算法构建环境地图
- 使用路径规划算法（如 a* 和 rrt）求出最优路径
- 使用路径指标（如平滑性与避障间隙）评估路径的最优性
- 使用路径跟随和避障控制算法在动态环境中导航
- 为目标硬件自动生成产品级代码
使用 matlab 和 simulink
实现移动机器人
平台开发
为轮式和腿式机器人构建或导入物理模型，仿真机器人动态特性。施加现实世界的约束，如接触力和扭矩，以分析算法在硬件平台上的效果。借助 matlab 和 simulink，您能够：
- 将运动学运动模型和轮式编码器用于典型的移动机器人设计，例如或
- 对机器人的工作原理进行物理建模，以设计详细的动态模型
- ，并在单个仿真模型中将这些设计与电气和控制系统连接起来
- 与外部机器人仿真器（如 gazebo）对接以进行环境建模
- 连接到
运动规划与控制
为移动机器人找到抵达目标的路径。生成路点并发送控制命令以遵循全局路径或局部轨迹。matlab 和 simulink 提供基于搜索和采样的规划算法和路径跟随控制算法，可开发能在未知环境中导航的移动机器人。借助 matlab 和 simulink，您的机器人可以：
- 使用 和 rrt 等算法找到最短的无障碍路径
- 通过在动态环境中安全地绕过障碍物
- 用平滑性与避障间隙等可视化和评估规划的路径
- 通过非线性模型预测控制来优化路径
- 使用纯跟踪控制器遵循规划的路线
- 使用计算转向命令以实现避障
- 使用强化学习方法实现避障，例如使用 ddpg
基于仿真的测试
通过仿真检测设计错误，降低硬件测试的风险和成本。matlab 和 simulink 提供交互式 app 和仿真工具，可优化移动机器人应用的性能，缩短其开发和测试时间。借助 matlab 和 simulink，您能够：
- 生成轨迹以模拟传感器运动并标定其性能
- 通过分析里程估计值，消除
- 使用抽象模型快速验证自主算法，也可以构建更高保真度的模型
- 连接 gazebo 以执行时间同步协同仿真并在闭环仿真中测试算法
- 先在各种边缘情形下运行导航算法，再部署到移动平台上
- 自动生成 c/c 、vhdl®/verilog®、cuda® c/c 代码以用于快速原型构建和生产用途
30天免费试用
快速入门有疑问吗？
与机器人专家探讨。