动作捕捉助力人机耦合模型及其在下肢外骨骼的设计

在外骨骼研究中，一个合适的人机耦合模型非常重要，它可以帮助预测外骨骼系统直接作用于人体产生的影响，避免不必要的伤害和能量损失，同时也有助于优化外骨骼系统的设计和控制，提高其佩戴的舒适性和人机交互性。

华南理工大学研究团队提出一种新型人体外骨骼机器人的单元化建模方法，通过动力学实验验证了模型运动学计算的准确性，并将模型应用到外骨骼机器人的设计和控制优化中，设计出新的助力被动外骨骼系统，也能有助于优化机电外骨骼的控制曲线。

动力学实验

使用NOKOV度量光学动作捕捉系统，获得各单元上各个点的位置速度加速等数据，输入模型中计算出步态行走时双支撑阶段的步态数据，以及对地面的反作用力数据。同时也利用测力板获取两脚触地时的数据。将模型计算出来的数据与测力板获取的数据进行对比，间接验证了模型运动学计算的准确性。

光学动作捕捉系统和测力平台

运动学双支撑阶段识别实验结果图

外骨骼机器人的设计和控制优化

模型理论建立后，基于模型对下肢外骨骼机器人进行了优化设计，设计出一套被动多协同外骨骼实验样机。通过代谢实验，验证人体佩戴外骨骼后是否能有效减少能耗。实验结果表明，被动多协同外骨骼工作时相比不工作时人体代谢平均降低了4.40%。验证了被动外骨骼设计的有效性。

被动多协同外骨骼实验样机

在模型的指导下，还进行了机电外骨骼输出力的优化实验。通过向髋关节机电外骨骼机器人输入控制曲线，对比判定输出力曲线是否能帮助人体减少能耗。实验表明髋关节机电外骨骼使能状态相对于失能状态人体代谢平均降低了1.38%。

佩戴髋关节机电外骨骼机器人和代谢测试仪进行实验

参考文献

清华大学类脑计算中心使用度量动捕抗日光镜头过滤强光干扰，准确识别平衡步兵（轮足机器人）表面的反光标记点，实时获取高精度运动轨迹。

追踪定位应用 | 山东科技大学机械电子工程学院，利用光学动作捕捉系统的亚毫米级精度定位，实时捕捉多个液压平台联动时的位姿数据，以及相互间的位置关系，用于液压平台的控制分析研究。

集群协同应用 | 江苏科技大学群体机器人实验室，采用Crazyflie无人机，演示无人机编队飞出“8”字形态效果，同时使用光学动作捕捉系统，室内精准定位，捕捉无人机集群编队的运动轨迹。

集群协同应用 | 西北工业大学航海学院彭星光老师团队使用动作捕捉系统实时获取机器人的绝对坐标和方向，通过数据传输和解码，使机器人具有局部感知能力，从而通过算法观察和验证机器人集群系统中集体裂变行为。