动作捕捉系统用于机器人关节位移与几何参数标定-度量科技

机器人在工业领域和日常生活中起到重要的作用，要完成的任务也越来越复杂，这就需要机器人动作执行时足够精准。机器人的绝对精度是评价机器人性能的一项重要指标。

要提高机器人的绝对精度，需要进行高精度标定。标定可以分为三级：一级未驱动器与关节传感器的标定，即确定关节位移传感器产生的信号与实际关节位移之间的关系；二级在一级基础上，加入机器人几何参数的标定，针对各组成连杆的运动变量误差和各连杆结构参数误差引起的位姿误差；三级为非几何标定，针对由关节柔度、摩擦、间隙以及连杆柔度等因素引起的误差。

在标定过程中，测量是进行参数辨识和补偿之前的重要环节，包括关节位移测量和机器位姿测量。位姿测量方法又包括接触式和非接触式，其中接触式测量队机器人位姿限制较大；非接触式测量中，三坐标测量机只能测量小型机器人，而激光跟踪仪对环境影响较为敏感，同时操作复杂，测量时间长。

同济大学航空航天与力学学院的研究人员提出一种多点动态捕捉的视觉测量方法。在机器人四周布置一组NOKOV度量动作捕捉相机，并在机器人各连杆上粘贴多个反光标识点，通过跟踪标识点来获取机器人运动过程中全局坐标的变化数据。

同济大学航空航天与力学学院多点动态捕捉的视觉测量方法

NOKOV度量动作捕捉系统获取的数据结合罗德里格斯变换实现关节位移的求解，并结合机器人运动学模型和坐标系转换关系实现集合参数误差小量的标定。基于这种方法，可以通过单次实验，同时标定串联机器人的关节位移和几何参数。

NOKOV度量动作捕捉系统定位精度可以达到亚毫米级，可以满足高精度的多点测量需求。

参考文献：[1]李婧瑜,杨简宁,张笑宇,宋汉文.基于多点动态捕捉的机器人关节位移与几何参数标定[J].力学季刊,2022,43(01):34-45.DOI:10.15959/j.cnki.0254-0053.2022.01.004.

原文链接：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDAUTO&filename=SHL

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。