运动捕捉系统和人工神经网络ELM联合校准提升工业机器人的绝对精度

工业机器人的绝对精度是评估其综合性能的重要指标之一。然而，由于机器人受到多种因素的影响，如加工误差、装配误差、零部件磨损、末端负载变化和温度影响等，其精度可能会受到影响。这对于卫星高精度组装和飞机集成组装等应用来说是不利的。随着工业机器人的不断发展和应用，对其运动精度的要求也越来越高。因此，提高机器人的绝对精度是当前亟待解决的问题之一。

同济大学航空航天与力学学院的研究人员提出了一种新的标定方法，利用运动捕捉系统和人工神经网络（ELM）来增加工业机器人的绝对精度。所提出的方法与传统校准方法相比，在姿态精度方面可以实现较大改进。研究为改善工业机器人在各个领域中的性能和效率提供了新途径。

验证实验

将机器人布置在8台动作捕捉镜头的几何中心。用螺栓将一个铝制空心装置固定在末端执行器上，在机器人的每个关节点和末端执行器上布置约15个反光标识点，共90个。实验过程中，随机选择机器人的500个位姿动作作为研究对象。使用NOKOV度量运动捕捉系统测量机器人的连续运动状态，获得机器人各个关节的位置和姿态信息，并用于后续的DH参数校准。最后使用标准差的范数评估了标定方法，并将其与传统和改进的运动学校准方法进行了比较。

实验机器人和动作捕捉系统

实验视频

实验结果表明，随着几何误差和非几何误差等来源的增加，定位精度从定位精度由3.073度提高到0.077度。证实了算法的有效性，验证了预期结果。

实验中的定位精度

机器人在实验中的定位总误差

参考文献

Tianchi Gao, Fan Meng, Xiaoyu Zhang, Zhicheng Tian1, Hanwen Song, An operational calibration approach of industrial robots througha motion capture system and an artiﬁcial neural network ELM, ［J/OL］The International Journal of Advanced Manufacturing Technology, DOI：10.1007/s00170-023-10856-w

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。

上海交通大学谢威老师团队：四旋翼无人机编队“8”字协同吊运｜NOKOV度量动作捕捉系统参与控制闭环

上海交通大学电子信息与电气工程学院谢威老师团队展示了4架四旋翼无人机完成“8”字编队协同吊运实验。实验中，NOKOV度量动作捕捉系统参与无人机控制闭环，实时输出高精度位姿数据，为无人机编队控制、协同运输及飞行算法验证提供稳定的位置反馈。

IEEE RA-L | Aqua-Splat声呐—视觉水下三维重建，NOKOV度量动捕系统提供水下机器人六自由度位姿真值

哈工大（深圳）胡靓教授团队提出Aqua-Splat声呐—视觉水下三维重建方法，提升几何重建精度与图像保真度。NOKOV度量动作捕捉系统为搭载双目相机与前视声呐的BlueROV2水下机器人提供六自由度位姿真值，用于建立每帧视觉、声呐数据与机器人位姿之间的空间对应关系。

双层LSTM光纤形状实时重建，NOKOV度量动捕提供高精度三维真值

中科院深圳先进院刘奂奂团队基于 NOKOV度量动作捕捉系统，提出面向微创手术导航的双层LSTM光纤形状重建方法。NOKOV获取光纤标记点高精度三维坐标，作为模型训练真值，并验证动态重建精度与稳定性，助力实现FBG光谱到光纤三维形状的端到端实时重建。