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

Nano Energy 水下机器人近场感知与速度评估由深度学习辅助的仿海豹胡须传感器实现

本研究设计了一种仿生水下摩擦电胡须传感器，可被动感知多种水动力流场，有望成为水下航行器在本地导航任务中的整合工具。NOKOV度量动作捕捉系统提供高精度的水下航行器位姿参考数据，助力实现水下航行器的近场感知与在线状态评估。

基于示教学习的手术机器人缝合技能学习

NOKOV度量动作捕捉设备红外光学动作捕捉镜头来测量和捕捉手术缝合过程，并计算手术钳连续实时位置和姿态运动轨迹进行手术机器人的研发。

提高绳牵引并联连续体机器人运动学建模精度的基于Transformer的分段学习方法

研究针对绳牵引并联连续体机器人运动学建模提出一种基于Transformer网络的分段学习法，其精度卓越，优于目前先进方法

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。

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。

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。

通过强化学习算法增强蝴蝶状扑翼飞行器的升力

通过强化学习-PPO算法提升并打造足以让蝶形FWV不借助额外辅助或气流起飞的升力，并利用NOKOV度量动作捕捉系统监测到上挥阶段升力峰值与前后翼开闭以及柔性变形有直接关系，而这些发现用传统的空气动力学方法并不容易预测或发现。

AI顶会IJCAI: 面向惯性传感器信号增强的深度学习架构

本文提出了一种基于无监督和弱监督学习的尺度和方向引导生成对抗网络（SDG-GAN），用于低成本惯性传感器信号增强，通过动作捕捉精确记录的运动信息作为辅助任务的标签，显著提升了信号增强的性能和精度。

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。

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。