批量建筑装配机器人的“智慧眼”：动捕技术验证传感器的感知系统

游木（目）装置外观实景

“翩若惊鸿，婉若游龙”——艺术展品“游木（目）”看起来柔软随性。每一根弯曲的木料制作，均由同济大学袁烽老师团队的木结构装配建造机器人平台完成。

点击视频，跟随袁烽教授一起亲历“游木（目）”的诞生过程：

机器人工作台工具端

基于当前国内外机器人建造平台的研究，典型建筑机器人建造平台的系统构成主要由机器人建造装备平台、材料加工工具系统、感知系统、控制系统四部分构成。

工作中的机器人平台

这其中，感知系统是利用传感器检测机器装置状态与外部作业环境，从而提高机器人平台对复杂建筑构造的处理能力，同时材料、工具、建造过程进行实时监测，可以显著提高工作效率。

研究团队选择NOKOV度量动作捕捉系统作为感知系统的核心传感器，将12台Mars 2H红外相机均匀分布在机器人工作空间的四周，以记录反光标志点（Marker）的位置信息，并在计算机端通过运动分析软件进行数据处理、系统标定、刚体定义等任务。

同时，将采集到的动捕数据通过定制化的数据接口导入Grasshopper软件，获取标记点及刚体的位置信息，进行可视化。

动作捕捉系统配置

NOKOV度量动作捕捉系统能保证微米级的测量精度，提供实验需要的有效真值，因此常被应用于多样化的机器人建筑装配场景，并作为系统的核心传感器来解决木结构建造中复杂零件的空间定位问题。

装配了感知系统的数字化智能机器人平台的操作臂

袁烽教授“游木（目）”的成功让更多人看到，机器人预制建造平台拥有能适应不断变化的设计与建造系统的需求的巨大潜力。

相信在不久的将来，基于机器人批量定制的装配式建筑产业升级下，建造可以得到个性化与多样性的双重解放，同时动作捕捉也将在机器人平台的后续研究中担任更加重要的角色。

参考文献：

面向批量定制的装配建筑数字建造技术体系——以装配式木构建筑创新为例

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。