动捕技术助力基于映射规划框架的四旋翼飞行器自主导航研究

鲁棒性和有效性的运动规划算法是四旋翼飞行器在复杂环境下实现自主飞行的关键。环境表征作为感知模块与规划模块之间的桥梁，对生成轨迹的质量有着巨大的影响。人们提出了各种算法来构建导航地图，每种算法对应不同的规划方法。

为了提高四旋翼飞行器的自主导航能力，哈尔滨工业大学的研究团队提出了一个新的映射规划框架（如图1所示）来导航在线四旋翼飞行器的飞行。在映射模块中，使用多面体来表示观察到的障碍物，从占用网格图中提取环境信息，以便为运动规划提供各种信息。规划模块中，通过构建局部拓扑图来有效地覆盖潜在搜索区域，利用该图指导基于分割运动原语的路径搜索，并采用基于多项式的优化方法得到安全、平滑的轨迹。

图1：新的映射规划框架概述

这种新的映射规划框架，能在线构建多面体环境，提供全面的障碍物信息，并利用设计的拓扑规划器，采用分段搜索加速策略，有效生成与障碍物有足够间隙的安全、平滑的轨迹。

大量的仿真和实验验证了这个新的映射规划框架的有效性。其中在实际飞行实验中，NOKOV度量动作捕捉设备为四旋翼飞行器提供了高精度的室内定位信息。

图2：四旋翼飞行器飞行实验

图3：格栅图和感应范围内的多面体环境

实验结果表明，这种新的映射规划框架在计算效率和轨迹质量方面均优于所选基准。通过实际飞行验证了该框架的鲁棒性和有效性。

参考文献

Junjie Gao, Fenghua He, Wei Zhang, and Yu Yao. (2023). Obstacle-Aware Topological Planning over Polyhedral Representation for Quadrotors. In International Conference on Robotics and Automation (ICRA).

苏黎世大学RPG实验室：动作捕捉为无人机状态反馈提供位姿数据

在Davide Scaramuzza教授领导的苏黎世大学Robotics and Perception Group，NOKOV度量动作捕捉系统实时提供无人机位姿数据，用于无人机状态反馈。

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。

山东大学T-ASE研究：动作捕捉系统采集人类示范数据，DM-KMP与多智能体强化学习实现五指灵巧手协同抓取

山东大学控制科学与工程学院李可教授团队提出了面向仿人五指灵巧手抓取的统一学习框架。该研究将人类示范轨迹生成与多智能体强化学习相结合：NOKOV度量动作捕捉系统用于采集自然五指抓取运动，DM-KMP从有限示范中生成期望关节轨迹，PWS-MADDPG进一步学习多指协同抓取策略。研究结果显示PWS-MADDPG 在 11 类物体上的平均抓取成功率为 85.48%。

仿生五自由度折纸脊柱外骨骼：三维运动数据验证运动透明性

合肥工业大学、西安电子科技大学、英国提赛德大学和香港理工大学研究团队提出仿生五自由度折纸机构，并据此开发主动式折纸脊柱辅助外骨骼OSAE，用于在对称和非对称举升中适应人体脊柱运动并提供辅助。研究团队使用NOKOV度量动作捕捉系统采集受试者上半身三维运动数据，比较穿戴与未穿戴OSAE时前屈、侧屈和轴向旋转的躯干活动范围，验证OSAE系统的运动透明性。