来源：机器人讲堂 　　

　　

　　近年来，随着工业4.0标准的不断推进，以及人工智能、物联网、大数据等技术的快速发展，机器人产业迎来了新的浪潮，正逐步向系统化、模块化、智能化发展。除了传统的工业机器人，它还广泛应用于特种机器人和服务机器人领域，如水下机器人、娱乐机器人、医疗机器人、教育机器人和物流机器人等。 　　

　　

　　那么如何利用机器视觉、多传感器融合、自主导航、交互系统等技术进一步加速机器人产品的智能融合，如何快速有效地提高产品开发效率，促进产品迭代周期，已经成为行业内产品开发的重要课题。本文围绕机器人系统开发的感知、决策和执行等各个环节，阐述了如何利用MATLAB Simulink将机器人构思和概念转化为自主系统的相关技术方面，并展示了系统级建模、仿真、测试和代码自动生成技术在产品开发中的实际应用。 　　

　　

　　 　　

　　

　　(自主机器人的路径规划和导航) 　　

　　

　　借助MATLAB和Simulink，您可以： 　　

　　

　　用你开发的算法连接控制机器人。 　　

　　

　　开发跨硬件算法，并将其连接到机器人操作系统(ROS)。 　　

　　

　　连接到各种传感器和执行器，以便您可以发送控制信号或分析各种类型的数据。 　　

　　

　　C/C、VHDL/Verilog、结构化文本、CUDA等多种语言都可以用来自动生成微控制器、FPGA、PLC、GPU等嵌入式目标的代码，从而摆脱手工编码。 　　

　　

　　使用预设的硬件支持包连接Arduino、Raspberry Pi等低成本硬件。 　　

　　

　　通过创建可共享的代码和应用程序来简化设计审核。 　　

　　

　　遗留代码可以与现有的机器人系统一起使用和集成。 　　

　　

　　MATLAB和Simulink用于简化机器人路径规划和导航的复杂任务。这个演示介绍了如何模拟一个自主机器人，只使用三个组件：路径，汽车模型和路径跟踪算法。 　　

　　

　　1.机器人物理系统建模 　　

　　

　　 　　

　　

　　在机器人系统的开发中，对被控物理系统的精确建模和仿真可以帮助开发人员设计控制器以实现预定的控制目标，并且更容易评估机器人物理系统的行为。 　　

　　

　　在设计机器人硬件平台时，可以利用MATLAB和Simulink设计分析三维刚体机械机构(如汽车平台、机械臂)和执行器(如机电或流体系统)。通过直接将URDF文件导入Simulink或使用SolidWorks、Onshape等CAD软件，可以直接使用已有的CAD文件，添加摩擦等约束，使用电气、液压或气动元件等部件对多域系统进行建模。运行后，设计模型可以作为数字地图重复使用。 　　

　　

　　在机器人物理系统设计领域，MathWorks的Simscape产品系列提供全面的物理系统设计组件，包括机械、电器、磁场、液压、气压和热等。可以跨复合物理区域进行建模。 　　

　　

　　二、机器人环境感知 　　

　　

　　 　　

　　

　　机器人环境感知是智能机器人的神经中枢。它的作用是获取机器人内外环境的信息，并反馈给控制系统进行决策。 　　

　　

　　开发者可以开发跨硬件的算法并连接到机器人操作系统(ROS)，通过ROS连接到传感器。相机、激光雷达、IMU等特定传感器都有ROS消息，可以转换成MATLAB数据类型进行分析和可视化。设计人员可以自动化常见的传感器处理工作流程，例如导入和批量处理大型数据集、传感器校准、降噪、几何变换、分割和配准。 　　

　　

　　 　　

　　

　　在获得传感器的数据后，内置的MATLAB应用程序可以交互式地执行目标检测和跟踪、运动评估、3D点云处理和传感器融合。使用卷积神经网络(CNN)和深度学习进行图像分割。 　　

类、回归分析和特征学习。将算法自动转换为 C/C++、定点、HDL 或 CUDA 代码。

　　

　　

三、机器人路径规划和轨迹控制

　　

　　

　　

　　

运动规划是机器人控制的重要决策依据，是确保机器人达到目的的最优路径并不与任何障碍物碰撞的手段。

　　

　　

在进行机器人运动规划和轨迹控制时，可以通过以下的方式实现

　　

1）使用 LiDAR 传感器数据，通过 Simultaneous Localization and Mapping (SLAM) 创建环境地图；

　　

2）通过设计路径规划算法进行路径和运动规划，在受约束的环境中导航；

　　

3）使用路径规划器，计算任何给定地图中的无障碍路径；

　　

4）实现状态机，定义决策所需的条件和行动；

　　

5）设计决策算法，让机器人在面对不确定情况时能做出决策，在协作环境中执行安全操作。

　　

　　

四、基于AI的机器人控制系统设计

　　

　　

　　

　　

如何赋予机器人自主学习的能力，是人工智能领域的重要发展方向，为适应日趋复杂的应用场景，需要机器人系统学习大量的输入数据，自动优化控制策略。

　　

　　

利用MATLAB & Simulink可以实现基于强化学习的机器人控制系统设计。设计人员使用算法和应用程序，系统性地分析、设计和可视化复杂系统在时域和频域中的行为。使用交互式方法（如波特回路整形和根轨迹方法）来自动调节补偿器参数。还可以调节增益调度控制器并指定多个调节目标，如参考跟踪、干扰抑制和稳定裕度。并且可以实现代码生成和需求可追溯性，有助于验证设计人员的系统，确认符合要求。

　　

　　

以上部分介绍了机器人系统开发中的关键技术的理论概要，并对如何利用MATLAB & Simulink进行机器人系统的建模、仿真、测试进行了阐述。

　　

　　

荐：

　　

【中国风动漫】除了《哪吒》，这些良心国产动画也应该被更多人知道！

　　

声明

　　

　　

免责声明：部分文章和信息来源于互联网，不代表本订阅号赞同其观点和对其真实性负责。

　　

编辑：Zero