MATLAB^® & Simulink^® 在機械手臂的應用發展

機械手臂平台開發

機械手臂平台開發由多個元件組成，包含機械系統、致動器、電氣系統和環境模型。透過MATLAB & Simulink，您可以最佳化客製的機械手臂設計並優化機械手臂的演算法。

• 使用多體建模和剛體樹建立客製的機械手臂設計
• 從CAD模型和URDF 檔案匯入機構設計
• 從機器人資料庫中載入業界標準的機械手臂
• 與電氣、氣動和其他驅動系統設計進行整合
• 連接至基於物理的模擬器以進行與環境的互動

機器人感知

現代工業型機械手臂如協作機器人 (Cobots)，仰賴感測器數據和人工智慧來感知周圍環境。您可以整合來自單一感測器或多個感測器的數據，並使用MATLAB & Simulink開發機器人感知演算法。

使用MATLAB與Simulink，可達成：

• 連接感測器和周邊設備
• 分析和比較感測器數據以感知環境
• 從影像、視訊、光達和其他類型的感測器獲取更豐富的環境資訊
• 對需要抓取的物體進行分類和檢測
• 使用各種電腦視覺演算法估計物體的姿態和抓握點
• 透過ROS網路連接ROS或ROS 2中介軟體，以取得感測器數據

機器人運動規劃與控制

工業型機械手臂會在工作環境中遵循無碰撞路徑來執行任務，MATLAB函數和Simulink模塊提供了安全且有效率的運動規劃和控制功能。

• 提供逆/正向運動學和動力學、運動規劃、軌跡產生和碰撞檢查功能
• 透過最佳化求解確定軌跡參數
• 設計狀態轉移圖、流程圖和狀態轉移表來實現狀態控制邏輯
• 使用模型預測控制(MPC)執行軌跡最佳化和控制
• 應用強化學習進行高階控制

基於模擬的機器人應用測試

在虛擬環境進行模擬能幫助您在設計早期就能找出錯誤，藉由測試的高重複性與容易的模型參數調整，來大幅降低實機測試的風險與成本。

MATLAB與Simulink可協助您：

• 使用抽象運動模型快速驗證機器人演算法
• 使用平行計算快速探索整體設計範圍
• 將最佳化演算法應用於控制器和受控系統(plant)以找到最佳設計
• 整合用於工業機械手臂的真實感測器，例如立體攝影機、編碼器和轉矩感測器
• 在Simulink和Gazebo之間執行確定性協同模擬
• 透過與3D物理模擬器介接，於真實模擬環境驗證機器人模型