IA para Robótica

Integre IA en aplicaciones de robótica para dotarlas de autonomía

Con MATLAB, puede desarrollar aplicaciones de robótica con Deep Learning y Reinforcement Learning. Puede emplear técnicas de IA basada en el aprendizaje para dotar de autonomía a sistemas de robótica VANT, cobots y robots móviles autónomos. Estas técnicas mejoran la precisión de la percepción de los robots y requieren menos intervención humana en la toma de decisiones.

¿Por qué utilizar MATLAB?

Generación de datos de entrenamiento sintéticos

Cree conjuntos de datos capturando y etiquetando imágenes obtenidas a partir de escenarios simulados y del mundo real.

Simulación de sensores de LiDAR y generación de datos de nube de puntos
Visualización de profundidad y segmentación semántica para VANT empleando simulación con Unreal Engine

Identificación y mapeo de objetos

Utilice técnicas de reconocimiento de imágenes y detección de objetos para crear mapas, estimar poses de robots y detectar obstáculos dinámicos.

Detección de objetos con YOLOv4
Mapeo y clasificación de entorno urbano con una cámara montada en VANT y Deep Learning

Planificación de trayectorias y sistemas de control

Acelere el proceso de muestreo para planificación de rutas entrenando un generador de muestras basado en Deep Learning. Utilice Reinforcement Learning para sistemas de control de robots.

Entrenamiento de un generador de muestras basado en Deep Learning para planificación de trayectorias
Aceleración de la planificación de trayectorias con un generador de muestras basado en Deep Learning

Pruebas y despliegue en nivel de sistema

Integre modelos de IA en flujos de trabajo de diseño basado en modelos. Cree simulaciones de todo el sistema y realice pruebas con modelos de IA.

Flujo de trabajo de pick-and-place en Gazebo con ROS
Robot seguidor de señales que utiliza un algoritmo de detección YOLOv2 con ROS en Simulink

Más información

Aprenda a preparar datos de entrenamiento

Cosimulación en Gazebo con un modelo de Deep Learning previamente entrenado para detectar objetos reciclables
Mapeo y clasificación de entorno urbano con una cámara montada en VANT y Deep Learning

Descubra cómo crear modelos de IA para incorporar autonomía

Diseño y validación de algoritmos de detección de objetos y planificación de trayectorias con Gazebo, OpenCV y MATLAB
Cómo entrenar un robot bípedo para que camine utilizando agentes de Reinforcement Learning
Cómo entrenar un agente SAC para controlar el equilibrio de una pelota

Cómo integrar IA en robots con MATLAB (39:38)

Soluciones para robótica y sistemas autónomos

Fábricas inteligentes: Robots industriales autónomos, desde la percepción hasta el movimiento (22:06)

Productos

Obtenga más información sobre los productos utilizados con IA para aplicaciones de robótica.

30 días de exploración a su alcance

Más información

Deep Learning

Diseñe e implemente redes neuronales profundas con algoritmos y modelos previamente entrenados.

Más información

Machine Learning

Cree funcionalidades, entrene modelos de Machine Learning y ajuste hiperparámetros.

Más información