经典案例 | NOKOV度量动作捕捉

全部虚拟现实生命科学传媒娱乐机器人与工程机器人辅助手术手部捕捉路径规划轨迹规划运动规划末端执行器触觉遥操作学习位移协同海洋与水下视觉人机交互/人机协作（不包含外骨骼）灵巧手控制感知定位导航操纵编队/集群避障/防撞 SLAM 特殊动物人体连续体机器人可穿戴设备多机器人系统移动机器人机械臂外骨骼无人机/无人车仿生机器人医疗机器人巡检机器人软体机器人人形机器人农业机器人轮足机器人并联机器人

适用于局部视觉挑战场景的鲁棒多立体视觉惯性里程计

西北工业大学无人系统技术研究院张通老师团队提出了一种可以集成任意数量视觉相机的SLAM-VIO视觉惯性里程计系统，兼顾定位精度与计算量，在真实实验中使用NOKOV度量动作捕捉验证了系统的效率。

动作捕捉系统验证OPT追踪井下无人机的性能

提出了一个基于超宽带（UWB）和惯性测量单元（IMU）融合的按需精确跟踪（OPT）框架，OPT提供了一个UWB信号传输的自适应调整机制，以权衡无人机在煤矿中的定位精度和能源消耗。

动作捕捉助力无人车多源传感器信息融合导航技术

为了让无人车系统具有更高的自适应性和可靠性，哈尔滨工业大学的研究人员研究了基于多源传感器信息融合的导航系统，并借助动作捕捉系统进行验证。

动作捕捉系统用于室内组合定位技术研究

哈尔滨工业大学的研究人员以无人车为定位载体，利用NOKOV动作捕捉系统，对基于超宽带（UWB）和惯性导航系统（INS）的室内组合定位技术进行研究。

无人车实验室编队中的动作捕捉

NOKOV度量动作捕捉系统能够实现高精度室内定位，获取无人车三维坐标与刚体六自由度信息，并以极低延迟将数据传输到地面站，再由地面站发送指令，实现无人车控制。

超大沙盘无人车和无人机定位追踪

在超大沙盘场景中进行无人车和无人机协同控制实验，将38m*8m*2.9m场地分为3个区域，拼接区域也能对无人车和无人机进行稳定捕捉。

未知复杂环境的无人机自主目标搜寻

四川大学电子信息学院杨鑫松老师团队实现大迷宫及复数楼层无人机自主目标搜寻。仿真实验中使用PX4仿真器，能在完全未知的复杂环境下自主搜寻目标，并将目标位置在构建的地图上标注。

自动驾驶仿真实训平台，丰富多车及车路协同实训教学

北京工业大学驾驶行为研究团队：虚实融合车路云一体化实验室将虚拟仿真与传统智慧交通实训设备深度融合，NOKOV度量动作捕捉系统实时提供真实车辆的位置信息，帮助实现仿真交通场景可视化，以实现多种路网场景切换、虚拟车辆与真实车辆交互，满足多样的教学需求。

机器人足球比赛中多智能体动态编队的研究

研究团队发表最新成果《Dynamic Formation Planning and Control for Robot Soccer Game with Multi-Agent Reinforcement Learning and Behavioral Model》：提出了一种机器人足球场景中的多智能体动态编队策略。通过用于进攻的行为模型和用于防守的强化学习，实现了队伍的攻防策略转换，适应不断变化的比赛情景。

Crazyflie无人机集群编队

北京航空航天大学人工智能研究院通过NOKOV度量光学动作捕捉系统对无人机集群编队协同控制进行研究

巡检机器人空地协调

为提高巡检巡逻效率，满足巡逻范围广、监测频率高、任务时间长等要求，武汉科技大学的巡检机器人团队取得如下成果：模拟罐体外表面缺陷检测：高效规划无人机飞行路径、实现大型罐体表面的完全覆盖；空地协作机器人持续监测：UAV&UGV异构协作系统对复杂和简单地形的持续监测，协作监测完成效果好、运动轨迹偏差小；无人机江边水质检测实验；智能巡检机器人；气味源寻源实验。

无人车位姿数据获取

北京工业大学利用光学动作捕捉系统，追踪记录和分析两辆无人车的位姿数据，实现无人系统的集群协同控制与规划

无人车控制算法验证

桂林电子科技大学人工智能学院，在实验室内架设动作捕捉系统，采集无人车位姿数据，进ROS系统，进行无人车运动控制、路径规划、目标识别及智能驾驶相关的算法认证研究。

密集环境中的自组织雷诺无人飞行器群

由7架四旋翼无人机组成的编队，在森林式密集障碍环境中灵活避障，同时实现编队维护——天津工业大学研究成果

无人机斜钻方圈

研究提出了一种名为Gap-Traversing Adaptive Curriculum Learning (GTACL) 的创新方法，使四旋翼无人机能够快速且敏捷地穿越移动且倾斜的狭窄间隙。该方法结合了自适应课程强化学习（ACRL）和在线推力更新（OTU），通过模拟训练后能够实现无需微调的零样本转移到现实世界的四旋翼无人机上。

利用类似Vicsek互动的可编程蜂群机器人探索临界性假设

团队使用多达50台自研SwarmBang集群机器人，针对经典Vicsek集群模型中的临界效应进行了系统的大规模机器人实验。

基于连续隐式SDF的任意形状机器人轨迹优化

该研究利用连续隐式有符号距离场（SDF），对复杂形状机器人的几何形状及扫掠体进行精确建模，获得更大的轨迹规划求解空间。同时，规避了复杂的环境表示，具有很高的计算效率。连续隐式SDF的使用也让该方法实现了连续避障。

一种复杂障碍环境中基于在线规划的无人机编队安全控制方法

本文介绍了一种基于履带式移动机器人的多机器人协作运输系统，可在非平整路面协同运输60公斤的有效载荷。

自动驾驶 | 面向矿区装卸载作业场景的无人卡车的轨迹规划

本文提出了一种分层规划策略，帮助在露天矿山的装卸载作业区域中实现安全、高效率、高质量的轨迹规划。

多智能体强化学习平台：减小模拟到真实的差距

本文提出了无人机强化学习平台，通过NOKOV度量动作捕捉系统建立现实世界到仿真环境的映射，允许真实的无人机通过虚拟传感器与虚拟对象交互，使得策略网络可以使用虚拟代理进行训练，并无缝转移到真实的无人机上。

RSS 2024：基于事件的视觉惯性测速仪

本文提出了一种基于事件相机和IMU的无地图视觉-惯性测速仪，通过融合异构数据实现无人机实时线性速度估计，解决了激烈自我运动状态下相机跟踪失败问题。现实实验利用NOKOV度量动作捕捉系统实时监测事件相机的位姿，验证本文方法估计线性速度的准确性。

面向新手在无人机竞速场景下的飞行辅助系统

浙江大学 FAST Lab 高飞老师团队钟宇航同学设计了一套无人机竞速辅助飞行系统，帮助新手快速上手参与无人机竞速比赛。论文获 ICRA 三项 Best Paper 提名。在真实实验中使用NOKOV度量动作捕捉验证了系统的效率。

绳牵引并联机器人动态避障方法

哈尔滨工业大学（深圳）熊昊老师团队最新研究成果：提出了一种基于强化学习的避障控制器，在实验中使用NOKOV度量动作捕捉系统实时获取绳索、移动基座的位置，以及动态障碍物的位置和形状信息。

动作捕捉系统助力无人机着陆结构设计

中国石油大学（华东）研究团队基于Kresling折纸结构双稳态空间设计了一种无人机着陆系统结构，利用动捕技术对其进行动力学分析，为无人机着陆系统结构设计提供创新方法。

运动捕捉系统助力电力线巡检机器人的自主落线研究

中科院自动化所的研究团队提出了一种完整的自主落线方案，利用动捕系统评估了基于双目视觉的电力线上着陆点的深度精度，为混合式机器人高效着陆和巡检奠定了基础。

动作捕捉用于差速驱动移动基座的可变形机器人轨迹优化研究

浙江大学为解决可变形机器人在复杂三维环境中的轨迹规划问题，提出一种基于差速驱动移动基座的移动机器人的轨迹优化方法，并使用NOKOV动作捕捉设备验证了该方法的有效性。

动捕技术助力基于映射规划框架的四旋翼飞行器自主导航研究

哈尔滨工业大学提出一种新的映射规划框架，以提高四旋翼飞行器在复杂环境下的自主导航能力，并使用NOKOV动作捕捉设备验证了该框架的有效性和鲁棒性。