IEEE RA-L | 机载RGB实现水下目标主动跟踪，动捕支持AUV闭环验证-度量科技

哈工深国际人工智能研究院胡靓教授团队在 IEEE RA-L 期刊上发表题为《UTracker: Learning Visuomotor Policies for Underwater Active Target Tracking via Imitation Learning and Diffusion Model》的论文。

本文提出了一种面向水下主动目标跟踪的视觉运动策略学习框架——UTracker，融合强化学习、模仿学习与扩散模型。该方法首先在仿真环境中训练基于状态信息的专家策略，并生成图像—动作示范数据，再将其蒸馏为仅依赖第一视角 RGB 图像的视觉运动策略，使水下机器人能够自主生成安全、平滑的跟踪动作，实现对非合作目标的主动跟踪。

NOKOV度量水下动作捕捉系统为真实水池实验中的AUV提供实时位姿数据。实验中，该位姿数据用于将 UTracker 根据第一视角 RGB 图像生成的局部航点转换至全局坐标系，再通过 MAVROS 转换为控制指令并发送至 AUV 自动驾驶仪执行，从而支持仿真训练所得视觉运动策略在真实水下机器人上的闭环运行与 Sim-to-Real 实机验证。

论文信息：

论文题目：UTracker: Learning Visuomotor Policies for Underwater Active Target Tracking via Imitation Learning and Diffusion Model

期刊：IEEE Robotics and Automation Letters

DOI: 10.1109/LRA.2026.3664176

论文原文：在 IEEE Xplore 查看 UTracker 论文

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。