English 日本語 Русский

经典案例

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。

智能无人集群系统虚实融合闭环验证

中科院自动化所蒲志强老师团队设计的智能无人集群系统,实现无人车和无人机的空地协同,并进行了虚实融合闭环验证。实验使用了NOKOV度量动作捕捉系统,以获取高精度且实时的位姿数据。

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。

基于可穿戴运动传感器的机器人示教学习与泛化方法

本文提出了一种基于可穿戴惯性传感器的机器人示教学习和泛化的方法,利用NOKOV光学动作捕捉系统作为“金标准”,验证了自研的可穿戴惯性动作捕捉系统的精度。

多机器人系统无分配队形控制

十个移动机器人在现实实验中精确高效形成“R”、“A”和“L”队形,动捕验证算法实用性。仿真实验证明了算法在不同群体规模下形成复杂队形的有效性。相较其他方法,本文算法在精确度及效率方面性能更佳!

基于 RRT* 的连续体机器人高效轨迹规划方法——ICRA 2024 入选论文

ICRA 2024 最新入选论文,南方科技大学孟庆虎院士团队提出基于 RRT* 的连续体机器人高效轨迹规划方法。

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。

基于关系图深度强化学习的机器人多目标包围问题新算法——中科院自动化所蒲志强教授团队

中科院自动化所蒲志强教授团队,提出一种基于关系图的深度强化学习方法,应用于多目标避碰包围(MECA)问题,使用NOKOV度量动作捕捉系统获取多机器人位置信息,验证了方法的有效性和适应性。研究成果在2022年ICRA大会发表。

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。
联系我们
如需更多应用、案例信息或产品报价,请致电 010-64922321,或在下方留言:
机器人/无人机 VR/AR/XR 运动康复 传媒娱乐
北京度量科技有限公司(总部)
Location 北京市朝阳区安慧里四区15号五矿大厦8层820室
Email info@nokov.com
Phone 010-64922321
提交成功!请您耐心等待!
欢迎关注公众号,获取更多信息
关闭