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

岳凡. 人机耦合模型研究及其在下肢外骨骼机器人设计中的应用[D].华南理工大学,2021.DOI:10.27151/d.cnki.ghnlu.2021.003977.

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。

叠衣服过程中的手部精细操作数据采集，NOKOV度量动作捕捉系统实时追踪

通过NOKOV度量动作捕捉系统实时追踪叠衣服过程中双手的手部精细动作。操作者佩戴设置反光标记点的手套，在布置光学动作捕捉相机的场地中采集高精度手部动作数据，为精细操作、机器人操作研究及动作数据采集提供支持。

6mm可变长度仿蚯蚓连续体机器人：动捕记录末端三维坐标与书写轨迹

中国地质大学（武汉）人工智能与自动化学院孟庆鑫教授团队提出一种直径为6 mm、具有柔顺驱动力的三节段可变长度仿蚯蚓连续体机器人。实验平台部署NOKOV度量动作捕捉系统，反光标记点粘贴于机器人末端，用于实时输出末端高精度三维坐标数据，验证和评估机器人性能，并记录书写任务中的末端运动轨迹。

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。