Verbesserte KI-, Robotik- und Automotive-Funktionen in Matlab & Simulin 2019b

MathWorks hat Release 2019b seiner Entwicklertools MATLAB und Simulink vorgestellt. Dieses verfügt über verbesserte Funktionen für die künstliche Intelligenz, das Deep Learning und die Automobilindustrie. Außerdem umfasst R2019b neue Produkte für die Robotik, neues Schulungsmaterial für die Modellierung ereignisbasierter Systeme.

Anbieter zum Thema

MicroConsult Microelectronics Consulting & Training GmbH

Parasoft® Deutschland GmbH

RTI Real-Time Innovations

The MathWorks GmbH

Im Zuge der regelmäßigen relesase-Updates hat Mathworks neue Verbesserungen für den Release 2019b seiner Tool-Suiten Matlab und Simulink vorgestellt. Zu den Highlights in MATLAB R2019b gehört die Einführung von Tasks im Live Editor. Damit können Benutzer interaktiv Parameter untersuchen, Daten vorverarbeiten und MATLAB-Code generieren, der Teil des Live-Skripts wird. MATLAB-Benutzer können sich nun auf ihre Aufgabe, statt auf die Syntax oder komplexen Code konzentrieren. Sie können generierten Code automatisch ausführen, um mithilfe einer Visualisierung schnell Iterationen für Parameter durchzuführen.

Simulink verfügt in R2019b über eine neu eingeführte Toolstrip, über welche Anwender auf Funktionen zugreifen und diese auffinden können, sobald diese benötigt werden. Im Simulink-Toolstrip sind die Registerkarten nach Workflow angeordnet und nach Nutzungshäufigkeit sortiert. Dies spart Zeit beim Navigieren und Suchen.

Optimierungen für die Implementierung von KI und Deep Learning

Die Deep Learning Toolbox in R2019b baut auf den flexiblen Trainings-Schleifen und Netzen auf, die bereits früher in diesem Jahr eingeführt wurden. Neue Funktionen ermöglichen es Anwendern, erweiterte Netzarchitekturen mit benutzerdefinierten Trainings-Schleifen, automatischer Differenzierung, gemeinsamen Gewichtungen und benutzerdefinierten Verlustfunktionen zu trainieren. Außerdem können Anwender jetzt Generative Adversarial Networks (GANs), Siamesische Netze, Auto-Encoder mit Variationen und Attention-Netze erstellen. Des Weiteren ermöglicht die Deep Learning Toolbox nun den Export von Netzen, in denen CNN- und LSTM-Ebenen kombiniert sind, sowie von Netzen, die 3D-CNN-Ebenen enthalten, in das ONNX-Format.

Verbesserungen für Automobil- und Robotik-Industrie

Der Release 2019b führt zudem mit mehreren Produkten wichtige Funktionen zur Unterstützung der Automobilindustrie ein. Eine Automated Driving Toolbox soll Entwickler bei 3D-Simulationen unterstützen, einschließlich der Möglichkeit, Fahralgorithmen in einer 3D-Umgebung zu entwickeln, zu testen und zu verifizieren, sowie eines Blocks, mit dem Anwender das Geschwindigkeitsprofil eines Fahrwegs unter Beachtung kinematischer Bedingungen erzeugen können. Ein Powertrain Blockset bietet die Möglichkeit, ein Deep-Learning-Modell für einen SI-Motor zu generieren, mit dem Anwender Algorithmen entwerfen sowie Fahrzeugleistung, Kraftstoffverbrauch und Emissionen analysieren können.

Ebenfalls neu sind Referenzanwendungen für die HEV-Architekturen P0, P1, P3 und P4. Dabei handelt es sich um speziell zusammengestellte Modelle für HIL-Tests, Trade-Off-Analysen und die Optimierung von Regelungsparametern für Hybridfahrzeuge. Hinzu kommen eine Sensor Fusion and Tracking Toolbox sowie der Polyspace Bug Finder, der eine erweiterte Unterstützung von AUTOSAR C++14-Programmierrichtlinien zur Überprüfung auf fehlerhafte Verwendung von Lambda-Ausdrücken, mögliche Probleme mit Aufzählungen und weitere Probleme bietet.

Außerdem führt Mathworks neue Funktionen in der Robotics System Toolbox ein. Darüber hinaus umfasst R2019b zwei neue Produkte für Robotik-Entwickler. Zum einen wäre dies die Navigation Toolbox für den Entwurf, die Simulation und die Bereitstellung von Algorithmen für Planung und Navigation. Sie enthält Algorithmen und Tools für den Entwurf und die Simulation von Systemen, die physikalische oder virtuelle Umgebungen abbilden, lokalisieren, planen und Bewegungen in ihnen berücksichtigen.

Hinzu kommt in R2019b die ROS Toolbox für den Entwurf, die Simulation und die Bereitstellung von ROS-basierten Anwendungen. Die Toolbox bietet eine Schnittstelle zwischen MATLAB und Simulink und dem Robot Operating System (ROS und ROS2), die es Anwendern ermöglicht, ein Netzwerk aus Knoten zu erstellen, das ROS-Netzwerk zu modellieren und zu simulieren sowie Software für Embedded-Systeme für ROS-Knoten zu generieren.

(ID:46144963)