工业机器人动作捕捉与协作定位研究-度量科技

当前工业焊接大多由工业机器人完成。在弧焊焊接领域，传统的由焊接机器人+变位机+工装夹具组成的焊接工作站已不能满足当前小批量、定制化的柔性自动化生产需求。而由多个机器人构成的协作焊接系统具有更强的作业能力、更大范围的工作空间、更灵活的系统结构和组织方式，可以克服传统焊接工作站的缺点。

对于一个典型的具有两台工件搬运机器人和一台焊接机器人的多机器人焊接系统，控制两台搬运机器人协作运动是实现高质量焊接的关键。这其中要解决的问题包括：双机器人协作的运动轨迹规划、双机器人协作系统的建模、以及双机器人协作的位置/力协调控制等。

控制两台搬运机器人协作运动

东南大学自动化学院的研究人员针双机器人对等协作控制这一课题开展了研究。研究采用面向对象的轨迹规划方法，并搭建仿真平台进行验证。同时针对双机器人进行数学建模，确定末端映射关系，并采用基于位置的阻抗控制方法调节双机器人协作过程中的位置/力关系。

利用 NOKOV 度量光学三维动作捕捉系统确定双台机器人基坐标系的相对位姿

为了验证验证系统的有效性，研究人员将两台埃斯顿 ER16 通用六关节机器人作为控制对象，完成了双机器人协作夹持钢管拼接运动。对双机器人协作系统运动轨迹的规划，首先需要确定双台机器人基坐标系的相对位姿，实验中在两个机器人末端分别安装了一个为标定定制的工件，每个标定工件上安装了三个反光标志点（Marker）进行机械臂定位，圆心上的标志点到另外两个标志点中心的距离均为 100mm，利用 NOKOV 度量光学三维动作捕捉系统定位这两组工件上marker位置，来确定机器人末端工件的位姿，从而测量出两个机器人基坐标系的相对位姿。

双臂机器人上的反光标志点

NOKOV度量光学动作捕捉系统定位精度达到亚毫米级,可以准确获取目标物的实时六自由度数据，保证了科研项目的顺利进行。

参考文献：[1]陈明. 基于阻抗模型的双机器人对等协作控制研究[D].东南大学,2018.

原文链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFD201901&filename=1

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。