English
日本語
Русский
机器人无人机
机器人无人机
无人机集群、协同控制和移动机器人
NOKOV 度量动作捕捉的天地空多智能体的协同控制
外骨骼机器人
使外骨骼机器人运动步态更加拟人化,实现人机共融
仿生机器人
提供仿生机器人的步态和运动的追踪定位
手部动作捕捉与灵巧手
涵盖灵巧手、机械臂、软体机器人等应用
机械臂
提供高精度六自由度运动学数据,实现机械臂的精准定位
船舶、海洋和水下应用
水动力实验室中,船舶或水下运动物体六自由度运动数据获取
医疗机器人&高精度手术导航
手术导航、手术机器人、连续体机器人、软体机器人
位移测量&大范围三坐标测量
快速获取位移和变形信息
虚拟现实
运动康复
传媒娱乐
数字人虚拟直播
影视动画动捕实训室
虚拟拍摄/XR
游戏、影视动画制作
产品
动作捕捉系统选配
相机
Mars系列
水下动捕相机
Pluto系列
Orbit系列
软件
同步设备
配件
AI Markerless动作捕捉
Astra无标记点
动作捕捉系统
动作捕捉系统套装
VRT动作捕捉系统套装
机器人开发平台
Crazyflie & Crazyswarm
多智能体集群编队实验平台
开发者工具
多模态数据捕获与管理
集成产品
查看全部集成产品
资源及支持
技术资讯
经典案例
相关论文
常见问题
经典案例
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
人车协同导航定位技术优化
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。
虚拟吉他手精准演奏
研究中合成的虚拟吉他手能够精准演奏乐曲未训练过的乐曲。作者摒弃了将双手作为整体训练的方法。他们将每只手视为一个独立智能体,分别训练后再进行双手协调控制,避免了在高维状态-动作空间中直接进行策略学习,从而显著提高了训练效率。
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。
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。
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
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
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。
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。
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。
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。
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
提交
北京度量科技有限公司(总部)
北京市朝阳区安慧里四区15号五矿大厦8层820室
info@nokov.com
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