动作捕捉系统用于地下隧道移动机器人定位与建图-度量科技

在煤矿巷道、地铁隧道等危险、幽闭的地下场景下，使用移动机器人完成探测、开采和搜救任务安全且高效。地下机器人自主智能的完成任务，精准的定位和地图构建是前提和关键。

地下隧道移动机器人

机器人在地下环境中自主运行时往往没有先验的地图信息，而且不能使用GPS进行定位，需要机器人在未知环境创建地图，同时利用地图进行自主定位和导航，即SLAM技术。

由于地下环境中场景在几何特征上极其相似，且激光雷达点云在远处分布极少，基于激光雷达的SLAM方法效果不好；中国矿业大学的研究人员采用一种多传感器融合的方法，基于图优化的框架将 UWB和IMU融合定位系统提供的位置约束添加到位姿图优化约束中，为激光雷达扫描匹配提供可靠的初始估计，多种传感器协同估计移动机器人状态。

首先研究人员提出了一种基于扩展卡尔曼滤波器融合UWB测距信息和IMU加速度信息的算法，通过增广状态向量，将加速度和加速度的偏差也进行估计，能够提高精度并降低延迟，为移动机器人在地下环境运动提供可靠的定位估计。

为了验证算法的有效性和定位精度，以及对狭长隧道环境的实用性，研究人员设计了室内验证实验。实验使用Turtlebot2移动机器人作为机器人平台，并在平台上固定IMU和UWB移动节点。UWB使用4个锚节点构建定位系统。

动作捕捉系统用于地下隧道移动机器人定位与建图

场地周围布置8个NOKOV Mars2H 动作捕捉镜头，利用NOKOV动作捕捉系统跟踪粘贴在移动机器人上的反光标识点，来获取机器人的真实轨迹。

利用NOKOV动作捕捉系统获取机器人轨迹

通过对比NOKOV动作捕捉系统采集的参考轨迹（真实轨迹）和EKF算法输出的估计轨迹可以看出，估计值与真实值基本符合。

对比NOKOV动作捕捉系统采集的参考轨迹（真实轨迹）和EKF算法输出的估计轨迹

验证过上述定位方案性能后，研究人员开发了地下狭长隧道环境的激光/超宽带融合SLAM 算法，并在实际地下隧道进行实验，证明了该方法更接近实际轨迹且不存在累积误差。

参考文献：[1]赵宇. 面向地下狭长隧道的移动机器人定位与建图方法研究[D].中国矿业大学,2021.

原文链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFDTEMP&filename=102

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。