MATLAB y Simulink ofrecen algoritmos, herramientas de simulación, soporte de ROS y conectividad de hardware especializados para desarrollar robots manipuladores.
Con MATLAB y Simulink, puede:
- Integrar diseños mecánicos de CAD con modelos del sistema eléctrico
- Analizar el consumo de energía para seleccionar un diseño y una trayectoria más eficientes
- Utilizar algoritmos y modelos de sensores integrados para aplicaciones de manipuladores robóticos que requieran percepción y planificación de trayectorias
- Diseñar algoritmos de control de robots y simular con un modelo de robot incluyendo un entorno de simulación en 3D
- Evaluar algoritmos de robots manipuladores mediante la conexión a simuladores externos o robots reales
- Controlar y conectarse con robots, tales como cobots de UR, con MATLAB y Simulink
- Generar código de producción automáticamente para desplegarlo en controladores de robots y placas informáticas integradas
- Acelerar proyectos de robótica utilizando los ejemplos de aplicaciones proporcionados, incluyendo flujos de trabajo integrados para desarrollar aplicaciones robóticas autónomas
“Con Robotics System Toolbox, nos conectamos perfectamente con nuestro robot y lo controlamos directamente desde los algoritmos desarrollados en MATLAB, lo que nos permitió ahorrar tiempo de desarrollo, y aprovechar el tiempo que ganamos para profundizar nuestra investigación sobre nuevos algoritmos de reconocimiento de objetos táctiles”.
Uso de MATLAB y Simulink
para robots manipuladores
Desarrollo de plataformas de robots manipuladores
Las plataformas de robots manipuladores cuentan con diversos componentes, incluidos sistemas mecánicos, actuadores, sistemas eléctricos y modelos de entorno. MATLAB y Simulink permiten optimizar los diseños personalizados y mejorar los algoritmos para robots manipuladores. Con MATLAB y Simulink puede:
- Crear diseños personalizados utilizando el modelado multicuerpo y árboles de cuerpo rígido
- Importar diseños de modelos CAD y archivos URDF
- Cargar diseños estándar de la industria desde una librería de robots
- Integrar diseños con sistemas de accionamiento eléctricos, neumáticos y de otro tipo
- Conectar con simuladores basados en física para interactuar con el entorno
Percepción robótica
Los manipuladores robóticos industriales modernos, tales como los robots colaborativos (cobots), requieren percepción robótica cuando se necesitan datos de sensores e inteligencia artificial para percibir el entorno circundante. Puede integrar datos de sensores procedentes de un único sensor o de varios sensores y utilizar MATLAB y Simulink para desarrollar algoritmos de percepción robótica. Con MATLAB y Simulink, puede:
- Conectar con sensores y periféricos
- Analizar y comparar datos de sensores para percibir el entorno
- Obtener información de sensores de imagenes, vídeos, LiDAR y de otros tipos
- Ofrecer prestaciones de clasificación y detección de los objetos que se van a sujetar
- Estimar la posición y los puntos de sujeción de un objeto utilizando los diversos algoritmos de visión artificial integrada
- Conectar con middleware de ROS o ROS 2 a través de la red ROS para introducir datos de sensores
Tutoriales
- Aplicación de IA para lograr autonomía en robótica con MATLAB (20:40)
- Percepción robótica con MATLAB y Simulink
- Desarrollo de robots autónomos con MATLAB y Simulink (23:16)
- Uso de sensores de visión para la autonomía de robots (8:57)
- Avances y tendencias de la industria | Peter Corke habla sobre Robotics System Toolbox (5:26)
Más información
- Registro y análisis de archivos bag de ROS
- Cómo trabajar con archivos de registro rosbag
- Control de seguimiento de trayectorias para lograr una interacción segura con el entorno
- Cómo trabajar con mensajes de ROS especializados
- Flujo de trabajo de pick-and-place en Gazebo con procesamiento de nubes de puntos
Control y planificación de trayectorias de robots
Los robots manipuladores industriales realizan tareas siguiendo una trayectoria sin colisiones dentro del entorno. Las funciones de MATLAB y los bloques de Simulink ofrecen prestaciones para planificar control y movimiento seguros y eficientes. Con MATLAB y Simulink, puede:
- Utilizar funcionalidades para dinámica y cinemática directa e inversa, planificación de trayectorias, generación de trayectorias y comprobación de colisiones
- Determinar parámetros de trayectorias a través de cálculos de optimización
- Implementar lógica de control de estados ofreciendo prestaciones para diseñar diagramas de transición de estados, diagramas de flujo y tablas de transición de estados
- Realizar optimización y control de trayectorias empleando control predictivo de modelos
- Aplicar Reinforcement Learning para sistemas de control avanzados
Tutoriales
- Control de manipuladores robóticos seguro con Simulink (2:58)
- Control de las articulaciones de robots manipuladores (24:43)
- Planificación de rutas para robots manipuladores (18:21)
- Robots industriales: de la percepción al movimiento (14:53)
- Cómo entrenar un robot con Deep Reinforcement Learning (37:08)
- Robótica para fábricas inteligentes (3 vídeos)
- Cómo integrar IA en robots con MATLAB (39:38)
- Desarrollo de un cobot autónomo con control multimodal utilizando el diseño basado en modelos (20:38)
Más información
- Flujo de trabajo de pick-and-place en Gazebo utilizando ROS
- Flujo de trabajo de pick-and-place con CHOMP para manipuladores
- Visualización del seguimiento de la trayectoria de un manipulador con la Simulink 3D Animation
- Comprobación de colisiones en el entorno con manipuladores
- Robot de pick-and-place con cinemática directa e inversa
- Planificador RRT para manipuladores: ajuste de los parámetros del planificador
- Reinforcement Learning para equilibrar una pelota utilizando un manipulador robótico
Pruebas basadas en simulación de aplicaciones robóticas
La simulación ayuda a detectar errores en la fase inicial del diseño en un entorno virtual con alta repetibilidad y facilidad para cambiar los parámetros del modelo, y reducir el riesgo y el coste de las pruebas en hardware. MATLAB y Simulink ofrecen prestaciones para:
- Validar rápidamente algoritmos de robots con modelos de movimiento abstractos
- Explorar rápidamente el espacio de diseño entero utilizando el cálculo paralelo
- Aplicar algoritmos de optimización tanto al controlador como a la planta para identificar el mejor diseño
- Integrar sensores realistas para aplicaciones de manipuladores industriales tales como cámara estereoscópica, codificador y sensor de par motor
- Realizar cosimulación determinística entre Simulink y Gazebo
- Validar modelos de robots en entornos de simulación del mundo real mediante una interfaz con simuladores de física en 3D
Más información
- Modelado y control de un brazo manipulador
- Control del seguimiento de rutas seguras utilizando bloques de manipuladores robóticos
- Control del movimiento de un manipulador LBR a través de comandos de par motor de articulaciones
- Flujo de trabajo de pick-and-place en Unity 3D utilizando ROS
- Automatización de una cadena de montaje virtual con dos celdas de trabajo robóticas
Explore productos
30 días de exploración a su alcance
Más información
¿Tiene preguntas?
Consulte con el equipo experto en robótica.
MathWorks recomienda
Navegación de panel
Optimización de trayectorias en DLR (2:23)
“…con Optimization Toolbox, logramos que el robot lanzara una pelota con un movimiento óptimo en un par de horas”.
Berthold Bäuml, Centro Aeroespacial Alemán (DLR)
Verificación del sistema de selección de robots industriales con ROS y MATLAB: Yaskawa Electric Corp
“No es posible utilizar ROS por sí solo para funcionalidades avanzadas con tanta facilidad como MATLAB”.
Navegación de panel
Soporte de Robotics System Toolbox para manipuladores de la serie UR de Universal Robots
Soporte para robots manipuladores de MATLAB y Simulink
