装配机器人（机械臂）组装技能学习-度量科技

随着信息技术的发展，手机、平板电脑等3C产品的需求与日俱增，各加工工厂对劳动力的需求不断提高，随之而来的是成本的提升。因此，通过机器人对3C产品进行自动化装配自然成为了一种趋势。

然而，不同于汽车车间依靠编程实现汽车装配的工业机器人，3C装配中的机器人无法通过同样的方式进行编程设计。因为3C装配线具有高频率转换的特性，且3C产品中的大多数零部件均是专为人工手动组装而设计，若是通过编程设计则需要大量的时间和人力，需要一种新的机器人变成技术，成本负担过大。另外，3C装配线中的工人基本都是非专业机器人应用人员，为了能让装配机器人广泛应用，研究成果需要保证工人操作的简便性与易用性。哈尔滨工业大学深圳机电工程与自动化专业的研究团队，针对此问题提出了演示编程（PbD）这一解决方法。

什么是演示编程？演示编程是指利用机器人系统从人的操作演示中提取理解有效信息，进而将该信息转化为机器人的程序和参数，最终使机器人完成相应操作这一过程。由于3C组装过程的组装动作具有工作空间相对较小，精度高，运动复杂的特点，且3C装配线上的大多数工人都是非专业操作员，他们对工业机器人知之甚少，因此，在装配工作中能够在不影响人工自然组装运动的前提下获取工人的手部运动数据是非常重要的。经过调研和评估，该团队选择了以高精度为特点的光学动作捕捉系统作为演示编程的第一步——提取人的操作动作的工具。

该团队在一个小空间中搭起了6个动作捕捉镜头，通过这些镜头获取人手在组装过程中的六自由度信息，该信息包括了手部的位置以及方向信息。然后通过获取的装配演示动作信息，由编程得出机器人的控制策略，以驱动机器人在新环境下完成相同的装配任务。

该团队现已能够有效地将人手动作传递给机器人，并将实验流程与结果发表于2019 WRC SARA（收录于IEEE Xplore），证明通过动作捕捉系统实现机器人装配是可行的。相信在不久的将来，机器人能够更好的继进行3C产品甚至更为精密的设备的组装，而动作捕捉系统将会在机器人的研发过程中发挥更大的作用。

参考文献：[1]Z. Zhao, H. Hu, X. Yang and Y. Lou, "A Robot Programming by Demonstration Method for Precise Manipulation in 3C Assembly," 2019 WRC Symposium on Advanced Robotics and Automation (WRC SARA), 2019, pp. 172-177, doi: 10.1109/WRC-SARA.2019.8931947.

原文链接：https://ieeexplore.ieee.org/document/8931947
机械臂应用详情

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。

珠宝VR交互教学：动作捕捉支持3D模型旋转、缩放与场景切换

NOKOV度量动捕助力深圳市含道映物科技有限公司为深圳技师学院珠宝学院打造定制化VR教学系统。动作捕捉系统实时追踪操作手柄的运动，为大屏中的3D珠宝模型提供交互输入，支持模型旋转、缩放、视角查看和场景切换。