技能库 1440 个

利用Gazebo或PyBullet生成合成数据，并添加随机扰动以增强模型泛化能力，适用于机器人感知与决策模型的训练。

使用孤立森林、LSTM等算法训练模型，检测机器人运动异常或故障前兆。

基于Gym或自定义环境，配置机器人仿真任务的奖励函数与动作空间，适用于抓取、导航等自动化场景。

将训练好的故障预测模型封装为ROS节点，实现实时推理并输出警报

对机器人关节角度、速度等时序数据提取统计特征（均值、方差、FFT等）。

将摄像头、激光雷达、IMU等多模态传感器数据的时间戳对齐，并转换为统一坐标系，为后续感知与决策提供同步、空间一致的输入。

从ROS日志、传感器数据中提取并清洗时间序列数据，去除噪声和异常值。

对机器人执行任务（如分拣、搬运）的成功/失败数据进行假设检验与可视化报告生成，以评估性能并识别改进点。

设计PID、MPC、阻抗控制等算法，并整定参数以稳定系统

建立机器人运动学与动力学模型，用于路径规划和力控制

开发ROS节点、消息和服务，实现模块化算法集成，适用于自动化机器人算法架构师在机器人与自动化领域的日常工作

融合IMU、视觉、激光雷达等数据，实现机器人定位与状态估计

使用 ROS/Gazebo 或 CoppeliaSim 搭建机器人仿真环境，验证算法性能（运动规划、控制、感知等）

设计并优化机器人运动轨迹，避免奇异点与碰撞，提升运动效率与安全性

设计异常检测逻辑及安全停机策略，保障机器人运行安全

配置EtherCAT、CAN等实时总线，确保低延迟通讯，适用于自动化机器人算法架构师

编写安全监控程序，实现急停、区域限速、碰撞检测等安全功能，确保自动化机器人系统符合安全标准和操作规范。

编写任务调度脚本，实现多机器人协同工作、任务分配和冲突解决

调整全局路径规划与局部避障参数，优化机器人导航的平滑性和效率，降低急停与绕行次数。

集成激光雷达、IMU、相机等传感器数据，实现多传感器融合定位和环境感知。

使用标定工具对机器人运动学参数进行测量和校准，提高定位精度

配置和部署机器人操作系统，包括驱动安装、网络配置和系统优化，以确保机器人系统稳定、高效运行。

搭建机器人仿真环境，进行算法验证和系统集成测试，支持自动化机器人系统架构师完成高效开发与验证。

自动生成自动化机器人系统的架构图、模块接口定义和通信协议文档，确保系统设计的完整性和可维护性。