AI 在机器人领域的应用

应用 AI 以在机器人应用中实现自主性

您可以使用 MATLAB 通过深度学习和强化学习来开发机器人应用。您可以通过基于学习的 AI 方法实现如协作机器人、自主移动机器人和无人机等系统的自主性。这些方法提高了机器人感知的准确度，并且在决策过程中需要更少的人工干预。

为什么选择 MATLAB？

训练合成数据生成

通过捕获和标注从仿真场景和真实场景中获得的图像来构建数据集。

仿真激光雷达传感器并生成点云数据
使用 Unreal Engine 仿真的无人机深度和语义分割可视化

目标标识和地图构建

使用图像识别和目标检测方法来构建地图、估计机器人位姿和检测动态障碍物。

使用 YOLOv4 进行目标检测
使用无人机相机和深度学习对城市环境进行测绘和分类

运动规划与控制

通过训练基于深度学习的采样器来加速路径规划的采样过程。将强化学习用于机器人控制。

训练用于运动规划的基于深度学习的采样器
使用基于深度学习的采样器加速运动规划

系统级测试和部署

将 AI 模型集成到基于模型的设计的工作流中。建立系统级仿真，并用 AI 模型进行测试。

使用 ROS 在 Gazebo 中实现取放工作流
使用 Simulink 通过 ROS 网络控制使用 YOLOv2 检测算法的路标跟随机器人

30天免费试用

快速入门

深度学习

用算法和预训练模型设计和实现深度神经网络。

了解更多

机器学习

设计构建特征、训练机器学习模型以及调节超参数。

了解更多