人工智能

使用 MATLAB 和 Simulink 在工程中应用 AI

AI 正在重塑工程师的工作方式,并逐渐成为设计和开发工作流中不可或缺的一部分。AI 正用于开发模型并将模型部署到嵌入式设备,使用生成式 AI (GenAI) 提高工作效率,并使用 AI 智能体加速工程工作流。MATLAB 和 Simulink 帮助您在从概念到部署的整个开发过程中应用这些功能。

工程工作流中的生成式和智能体 AI

生成式 AI 辅助完成诸如编写代码、解释复杂系统、生成测试用例和创建文档等任务。通过帮助自动化例行工作,GenAI 让您能够专注于更高层次的设计和问题解决。智能体 AI 在此基础上进一步扩展,可在多步骤工作流中运行。您定义目标和约束,而 AI 智能体则协调模型创建、分析和细化等任务。

MATLAB 和 Simulink 支持在工程工作流中使用此技术。MATLAB Copilot 和 Simulink Copilot 提供集成的生成式 AI 功能。MATLAB Agentic Toolkit 和 Simulink Agentic Toolkit 将您的 AI 智能体连接到 MATLAB 和 Simulink,使它们能够运行代码、构建模型、检查输出、仿真行为并支持工程审核。

了解更多

嵌入式 AI 工作流图。

面向工程系统的嵌入式 AI

嵌入式 AI 专注于在工程系统中部署机器学习模型和深度学习模型。常见应用包括虚拟传感器建模、时间序列异常检测、强化学习和降阶建模。MATLAB 和 Simulink 使您能够在完整的系统仿真中验证 AI 模型。然后您可以优化这些模型并将其部署到嵌入式硬件平台。

您还可以集成在基于 Python 的深度学习框架(如 TensorFlow™ 和 PyTorch®)中开发的模型。这种方法使您能够复用现有工作,并将这些模型与其系统设计的其余部分一起纳入仿真、测试和部署工作流中。

了解更多

AI 应用示例

了解生成式、智能体和嵌入式 AI 如何支持特定工程工作流。

AI 与基于模型的设计

将 AI 方法应用于工程系统的设计。

  • 将 AI 模型与系统集成并进行仿真
  • 实现运行中的 AI 系统的安全性和可靠性
  • 从 AI 模型生成代码以部署到不同硬件
  • 管理嵌入式人工智能的部署权衡

AI 在机器人领域的应用

应用 AI 以实现机器人的自主性。

  • 生成合成训练数据
  • 加速运动规划和控制
  • 识别目标和地图构建
  • 测试和部署系统