动作捕捉系统验证OPT追踪井下无人机的性能-度量科技

井下无人机的远程跟踪在环境探测、人员救援和安全监测中发挥着重要作用。不过，它在井下可能会陷入两难的境地——传输高精度数据需要大量耗能。

由于GPS和惯性导航系统（INS）在井下无法解决信号和精度的问题。所以基于超宽带（UWB）和惯性测量单元（IMU）的融合成为了最佳答案，它在精确测距、抗多径效应和穿透能力方面优势明显。

按需耗能不做无用功

中国矿业大学计算机科学与技术学院，提出了一种基于超宽带和惯性测量单元融合的按需精确跟踪框架（OPT）。首先，设计了基于多传感器融合的无迹卡尔曼滤波器，实现具有定制性能的能量高效跟踪。其次，OPT提供了一种超宽带信号传输的自适应调整机制，在煤矿无人机本地定位的精度和能耗之间进行权衡。最后，开发了一种用于无人机远程跟踪的按需触发算法，以确定数据是否传输到地面服务器。特别是在复杂的井下环境，对按需触发条件进行优化。

场景切换动捕技术高效完成测试

模型分别在室内和煤矿实验室中进行了现场实验，采用了NOKOV度量光学动作捕捉系统获取无人机位置信息，作为追踪性能的评价标准。8个NOKOV MARS镜头分别固定在室内房间及巷道四周，可提供亚毫米级的坐标精度。井下无人机追踪系统由4个位置已知的UWB基站，以及一个搭载UWB移动节点和IMU的无人机组成。

室内无人机定位实验

无人机分别在室内和巷道内飞行，UWB移动节点不断与周围的4个UWB基站进行通信以提供无人机到基站的距离信息，IMU提供无人机的加速度以及角速度信息，从而利用OPT进行无人机的位置追踪。

井下巷道无人机定位实验

结果表明，OPT能够在降低40%通信率的情况下，提供0.3米的追踪精度，并降低20%的通信能量消耗。实现了低耗能高精度的井下无人机作业。

参考文献：[1] K. Zhang, P. Chen, T. Ma and S. Gao, "On-Demand Precise Tracking for Energy-Constrained UAVs in Underground Coal Mines," in IEEE Transactions on Instrumentation and Measurement, vol. 71, pp. 1-14, 2022, Art no. 5500814, doi: 10.1109/TIM.2022.3146925.

原文链接：https://ieeexplore.ieee.org/abstract/document/9694638

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。