基于连续隐式SDF的任意形状机器人轨迹优化

浙江大学FAST-Lab高飞老师团队提出一种机器人高效轨迹优化的新方法，并使用NOKOV度量动作捕捉系统验证了算法的高效性和准确性，论文在IROS 2023大会上发表。第一作者：张庭瑞

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。

惯性式上肢动作捕捉系统开发

西安交通大学机械工程学院陕西省智能机器人重点实验室施虎老师团队利用惯性传感器开发了一套低成本、高灵活性的上肢动作捕捉系统，为机械臂遥操作任务提供了更自然、更高效的人机交互方案。NOKOV度量光学动作捕捉系统提供了人体上肢运动的高精度位置和姿态数据，助力惯性动捕系统性能评估。

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。

室外环境无人车动作捕捉

清华大学李翔老师团队在室外环境下对无人车进行动作捕捉。NOKOV度量抗日光版本动捕镜头过滤日光干扰，准确识别无人车表面的反光标记点，获取高精度运动轨迹。

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。