动作捕捉技术赋能协作机器人

#动作捕捉#如今，工业与互联网的联系越来越紧密，智能产业已成为下一代产业的趋势。机器人是建设制造强国的重要组成部分，中国制造2025和德国工业4。在控制简单生产工具的初始阶段，机器人正朝着各种感知能力、独立决策、高效沟通和智能合作的方向发展。与此同时，机器人的工作空间和范围不断扩大，越来越多地进入人类生产生活的非结构化环境。机器人与人的融合将成为下一代机器人的本质特征。人机融合意味着人机处于同一自然空间，两者紧密协调。在保证人员安全的前提下，机器人可以独立提高技能，实现与人的自然互动。对工人来说，机器人不再是简单的生产工具，而是助理，所以合作机器人通常被称为Cobots”。

光学动作捕捉系统精度高，延迟低，符合教学要求

通过了解教学学习的具体过程方法和两种数据获取方法的特点，我们可以发现，对于机器人运动拟人化程度较高的场景，通常选择映射方法捕捉人体运动，以获得更准确的教学学习数据。

例如，在一些对合作机器人操作精度要求较高的特定行业（如某些精细部件的组装，或医疗行业辅助手术等），需要准确建模人体运动姿势，选择合适的机器学习方法和执行策略，使机器人完成指定任务，需要获得高精度的人体运动轨迹数据。

NOKOV测量光学三维动作捕捉系统具有高精度、低延迟的特点，广泛应用于合作机器人的教学和学习数据获取。光学动作捕捉系统主要由硬件产品和计算机软件系统组成，如红外动作捕捉镜头。在动作捕捉过程中，红外射线由多个动作捕捉镜头发射，标记点连续高速拍摄，根据连续图像计算标记点的移动轨迹，相关数据传输给计算机，计算机通过分析相应的灰度图像获取空间坐标信息等高精度数据。

用6个红外光学动作捕捉镜头 ，以340fps在操作员手中粘贴采样频率和采集记录，可反映红外标记Marker点的运动数据和手指的三维空间位置。光学运动捕捉系统平台可以在正常的工业环境中工作，不干扰操作人员的正常组装，不占用太多的空间和密集的设备分布。获取教学数据后，系统通过一系列数据预处理技术从多组组装演示数据中获得几个平滑的组装运动轨迹，最后通过策略学习算法导出机器人再生组装运动轨迹的策略，在目标位置和方向下随机启动组装任务。

学习医疗机器人缝合技巧

重庆邮电大学教师杨德伟提出了医疗机器人均匀缝合技术建模方法的示范-分解-建模。

均匀缝合建模方法分为以下四个步骤：

一、医生完成缝合手术示范操作

二、根据设备-组织-接触状态的变化，将完整的演示过程分解为功能独立的缝合动作基元。

三、建立用于缝合动作基元开始和结束状态的参数模型。

四、使用动态运动基元（DMP）该方法建模了缝合动作的动态子过程。缝合动作基元的动态过程参数模型和停止状态参数模型构成了缝合技能库。

动作捕获系统捕获标志点的空间坐标，计算夹具的连续运动轨迹（包括位置和姿势），过程分解采用高精度轨迹数据（亚毫米级）。

动作捕捉系统具有高精度、低延迟捕捉系统具有高精度、低延迟的特点。