经典案例

NOKOV度量动作捕捉,连续体机器人,同构遥操作,主从末端位置测量,模仿学习,CoLI,光学动作捕捉,IROS 2026

IROS 2026｜CoLI连续体机器人平台：NOKOV度量动作捕捉验证主从遥操作性能

上海科技大学信息科学与技术学院肖晨曦老师团队在 IROS 2026 提出开源连续体机器人平台 CoLI，使用 NOKOV度量动作捕捉测量主从机器人末端位置，验证同构遥操作：平均位置跟踪误差 8.2 mm，从端收敛延迟 158 ms。

人形机器人, 机器人训练, 强化学习, 世界人形机器人运动会, NOKOV度量动作捕捉, 人类运动数据采集

清华iPingPong战队｜人形机器人乒乓球训练实现高动态回球

第二届世界人形机器人运动会人形机器人打乒乓球项目中，清华 iPingPong 战队，团队以“物理原生智能”为技术路线，依托 NOKOV 度量动作捕捉与强化学习算法，实现人形机器人高动态乒乓球回球与自主对抗。

人形机器人,仿生机器人,多机器人协同控制,光学动作捕捉,实时状态反馈,多机器人闭环控制,NOKOV度量动作捕捉

动作捕捉用于多智能体协同控制：人形机器人与机器狗跳绳案例

南京大学LAMDA团队与星源智在协同跳绳展示中使用NOKOV度量动作捕捉系统，获取绳索标记点位置、人形机器人基座位姿及机器狗关键位置数据，为多机器人闭环协同提供实时状态反馈。

NOKOV度量动作捕捉, 人形机器人, 强化学习, 视觉驱动机器人, sim-to-real, Science Robotics，人形机器人踢足球, 人体动作捕捉

Science Robotics丨人形机器人踢足球：依靠机载视觉学习反应式足球技能

清华大学赵明国研究员团队团队在Science Robotics发表人形机器人视觉踢球研究，通过强化学习实现反应式足球技能。NOKOV度量动作捕捉系统采集人体踢球动作及机器人、足球位置真值，为AMP参考运动数据和虚拟感知系统建模提供数据支持。

水下目标跟踪,水下机器人,AUV目标跟踪,AUV实时位姿,模仿学习,扩散模型, NOKOV水下动作捕捉,动作捕捉,NOKOV度量

IEEE RA-L | 机载RGB实现水下目标主动跟踪，动捕支持AUV闭环验证

哈工深国际人工智能研究院胡靓教授团队在IEEE RA-L上提出 UTracker 水下目标主动跟踪框架，仅凭机载 RGB 图像生成局部航点。NOKOV度量水下动作捕捉系统实时提供 AUV 位姿，用于将局部航点转换至全局坐标，并通过 MAVROS 转化为控制指令发送至 AUV 自动驾驶仪执行，支持真实水池闭环运行与 Sim-to-Real 验证。

人形机器人,MuJoCo,宇树G1,动作捕捉,遥操作,机器人遥操作,机器人动作映射,模仿学习,人体动作捕捉,机器人实验验证,NOKOV度量动作捕捉

人形机器人如何实现 MuJoCo 仿真训练与遥操作？NOKOV度量动作捕捉助力宇树 G1实验验证

宁波职业技术大学利用 NOKOV 度量动作捕捉系统和宇树 G1 人形机器人，开展 MuJoCo 仿真训练与真机遥操作实验。实验中，操作者穿戴带有反光标记点的动捕服，NOKOV 度量动作捕捉系统实时采集人体运动数据，并同步驱动 MuJoCo 仿真环境中的宇树 G1 模型，同时实现真实机器人动作跟随。该案例展示了动作捕捉在人形机器人遥操作、动作映射、模仿学习及算法验证中的应用价值。

视觉-触觉-位姿数据,ICRA2026,机器人数据采集,机器人复杂接触操作,6D 位姿采集,机器人多接触操作

复杂接触操作的机器人模仿学习数据如何采集？NOKOV度量动作捕捉系统支持 FreeTacMan 视觉-触觉数据集构建

机器人多接触操作的数据采集，难点不只是记录动作，而是同时获得可用于训练的视觉、触觉和位姿轨迹。香港大学、上海创智学院李弘扬团队在 ICRA 2026发表论文，提出一种无需机器人参与的视觉-触觉数据采集系统 FreeTacMan。该研究中，NOKOV 度量光学动作捕捉系统用于采集手持夹爪的高精度 6D 位姿，并与视觉、触觉和夹爪开口宽度同步记录，为机器人复杂接触操作策略学习提供多模态数据基础。

Science robotics,“感觉—运动”策略, 无人机精准高机动穿越狭缝, 动作捕捉, NOKOV度量, 具身智能, 无人机实验, UAV状态估计, HIL测试, 高机动飞行, 光学动作捕捉, 无人机控制, 轨迹追踪, 强化学习无人机, ground truth

Science Robotics 仅凭机载传感器无人机以精准高机动穿越倾斜狭缝

6月11日，浙大高飞团队在 Science Robotics 上发表论文，在该研究中，NOKOV度量光学动作捕捉系统为无人机实验提供高精度状态数据支持，用于硬件在环（HIL）测试中的虚拟狭缝生成以及闭环控制对比实验中的全状态反馈，为无人机高机动飞行与算法验证提供关键实验基础。

动作捕捉，NOKOV度量，动作捕捉训练基地，大场地动作捕捉，低空智能，无人机研究，具身智能研究，亚毫米级精度数据

2600m²动捕场地 216台镜头服务低空研究

近日，“四川旋杰智能无人系统测试验证训练基地” 宣布正式投产。该基地设有2600平方米动捕场地，配备NOKOV度量光学动作捕捉系统，共部署300台动捕镜头。

人机对战羽毛球，央视上手过招

人机对战羽毛球，央视上手过招。度量动捕助力动易科技人形机器人与多人现场对战，精准接打、见招拆招。

四足机器人，足式机器人状态估计，卡尔曼滤波，鲁棒滤波算法，具身智能，机器狗，NOKOV度量动作捕捉

IEEE RAL 足式机器人鲁棒状态估计精度较基线提升40%以上

山东大学研究团队发表面向绳驱动连续体机器人的融合非线性扩展状态观测器的自适应滑模跟踪控制方法，度量动捕为实验提供机器人末端执行器位姿数据，助力验证控制方法有效性。

IJRR | 北航团队提出机器人复合分层抗干扰框架：实现无人机边飞边学

北航杭研院郭克信老师团队在IJRR上发表FORESEER机器人复合分层抗干扰框架，研究在五种不同构型的无人机平台上进行了室内外大量实验，通过四类代表性任务系统验证框架的性能。 NOKOV度量动作捕捉系统为实验提供了无人机在室内执行飞行任务时的高精度位姿数据及轨迹信息，助力验证FORESEER框架处理各种不确定性的有效性。

人形机器人武打动作训练

武汉大学机器人学院BRAIN实验室利用度量动捕采集人体高精度武打动作数据，用于人形机器人强化学习训练，最终人形机器人复现了“行云流水”的武打动作。

机械臂，仿生机械臂，轨迹规划，浙江理工，粒子群优化-随机森林算法，PSO-RF模型，动作捕捉，卡尔曼滤波，RTS

人臂到仿生机械臂的运动迁移方法

近日，来自杭州的研究团队在《biomimetics》期刊发表论文《Research on Motion Transfer Method from Human Arm to Bionic Robot Arm Based on PSO-RF Algorithm》，论文已被SCI和EI收录。

Project-Instinct：面向人形机器人的直觉级全身运动控制框架

研究团队采用NOKOV度量动作捕捉系统采集高精度人体运动数据，为算法提供了高质量训练数据。

人形训练及遥操作-同济何斌教授团队

同济大学何斌教授团队利用NOKOV度量光学动捕系统与数据手套集成，获取高精度人体全身动作数据，用于人形机器人训练及遥操作。

人形机器人跳技能五子棋

武汉大学机器人学院利用度量动捕获取人体高精度舞蹈动作数据，用于人形机器人强化学习训练，最终人形机器人复现了流畅丝滑的舞蹈动作。

IEEE T-RO 空中机械臂全身规划框架实现高机动的多样化操作

来自中山大学的吕熙敏团队的论文《Whole-Body Integrated Motion Planning for Aerial Manipulators》最近被机器人领域顶级期刊IEEE Transactions on Robotics接收。该论文提出了一种基于空中机械臂的全身融合规划框架。

IROS EXPO最佳展示奖！国防科大“智行者”人形机器人实现灵巧性高效迁移

国防科技大学“智行者”人形机器人团队在IROS 2025上获得IROS EXPO最佳展示奖。

基于生成模型的上肢外骨骼机器人助力个性化中风康复

研究提出一种能为中风患者提供个性化康复辅助的上肢外骨骼机器人，其具备在线生成能力，支持主动镜像和被动跟随两种模式，拥有六自由度设计、柔顺驱动和安全机制。

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。

协作机器人遥操作

度量用户大阪大学万伟伟老师最新成果：利用NOKOV度量动作捕捉实现协作机器人遥操作。该系统不仅能远程控制移动机械臂操纵刚体，还能控制操纵布料等可变形物体。“插笔帽”等精细操作也不在话下。

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。

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。