您家豆子

摘要： 北京航空航天大学研究团队在 ECAI 2024 发表研究，提出一种基于层次对称性的多智能体强化学习方法——层次等变策略网络（HEPN），用于提升无人车集群协同任务中的样本效率。 该方法通过显式建模多智能体系统的层次结构，在多任务、多规模场景下表现出更快的收敛速度和更高的训练稳定性。研究在仿真环境与真实无人车集群中进行了验证，并采用 NOKOV度量动作捕捉系统获取无人车集群的高精度位姿真值数据，为多智能体强化学习算法在真实物理环境中的性能评估提供可靠支撑。 阅读全文

摘要： 在中风康复机器人研究中，如何准确获取人体上肢运动轨迹，并将其转化为安全、个性化的辅助动作，是外骨骼机器人面临的核心挑战之一。 清华大学自动化系李翔老师团队在 The International Journal of Robotics Research（IJRR）发表研究成果，提出了一种基于生成模型的双模式个性化上肢外骨骼机器人框架。研究中，NOKOV度量动作捕捉系统被用于高精度测量人体上肢关节角度，为个性化康复训练提供可靠的运动真值数据支持。 阅读全文

摘要： 合肥工业大学王正雨副教授团队提出基于 Transformer 的分段学习方法，用于绳牵引并联连续体机器人运动学建模精度提高。实验中通过 NOKOV 度量动作捕捉系统 采集机器人末端轨迹和连续体弯曲角度，实现高精度模型验证。圆形与方形轨迹实验显示，该方法在误差指标上优于传统方法，验证了建模精度提升。 阅读全文

摘要： 在飞行器复杂结构模态试验中，高精度、多测点的位移测量是算法验证与工程落地的关键。西北工业大学贺顺教授团队结合 DMD-DBSCAN 模态参数识别方法，通过 NOKOV度量动作捕捉系统 获取结构振动的实时位移响应，完成静态与动态实验验证。实验结果表明，该系统在复杂结构模态试验中可稳定提供多测点同步位移数据，为科研及工程团队的位移测量设备选型提供可靠参考。 阅读全文

摘要： 东北大学储逸尘在 Biomimetics 及 JMSE 发表两项仿生水下机器人研究，以牛蛙后肢及牛鼻鲼胸鳍为灵感基于多连杆机构设计两种仿生水下推进机制，并通过水下动捕实验验证其运动学与推进性能。研究团队采用 NOKOV 度量动作捕捉系统用于获取真实生物及仿生机构在水下环境中的运动学数据，为仿生模型分析与实验验证提供数据支持。 阅读全文

摘要： 高精度光学动作捕捉如何为无人机提供飞行姿态与轨迹真值？在IROS 2025多项无人机学习与控制的相关研究中，NOKOV度量动捕系统通过提供无人机的亚毫米级位姿真值，支撑从动态模型验证、强化学习闭环控制到多机协同策略评估等一系列无人机研究真实实验，成为算法从仿真走向可靠部署的“度量标尺”。 阅读全文

摘要： 中山大学谭宁团队在顶刊 IJRR 提出行为预设自适应控制（BPAC）框架，实现异构连续体机器人任务空间性能可预设、误差可控。研究在多种连续体机器人实物平台验证其通用性与鲁棒性，其中 NOKOV度量动作捕捉系统提供亚毫米级位姿真值数据，用于轨迹误差分析与控制效果评估，助力验证控制方法有效性。 阅读全文

摘要： 摘要：中科院自动化所蒲志强教授团队，提出一种基于关系图的深度强化学习方法，应用于多目标避碰包围问题(MECA)，使用NOKOV度量动作捕捉系统获取多机器人位置信息，验证了方法的有效性和适应性。研究成果在2022年ICRA大会发表。 在多机器人系统的研究领域中，包围控制是一个重要的课题。其在民用和军事 阅读全文

摘要： 南京航空航天大学自动化学院使用NOKOV度量动作捕捉系统获取多架无人机的精确位置信息，实现多架无人机协同实时路径规划。 阅读全文

摘要： 利用动捕技术对无人机着陆系统模型进行动力学分析，对折纸结构双稳态着陆系统性能进行测试，为无人机着陆系统结构设计提供创新方法。 阅读全文