动作捕捉技术赋能协作机器人

　　如今，工业与互联网的联系越来越紧密，工业智能化已经成为下一代工业的趋势。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。机器人在控制简单生产工具的初级阶段，正朝着多种感知能力、自主决策、高效沟通、智能协作的方向发展。与此同时，机器人的工作空间和范围不断扩大，越来越多的机器人进入人类生产生活的非结构化环境。与机器人的集成将是下一代机器人的基本特征。人机一体化是指人机处于同一个自然空间，两者紧密协调。在保证人的安全的前提下，机器人可以自主提高技能，实现与人的自然交互。对于工人来说，机器人不再是简单的生产工具，而是助手，因此合作机器人通常被称为“Cobots”。

　　optical动作捕捉系统精度高，延时低，满足教学要求。

　　通过了解教与学的具体过程方法以及两种数据采集方式的特点，可以发现对于机器人运动拟人化程度较高的场景，通常会选择映射的方式来捕捉人体运动，从而获得更加准确的教与学数据。

　　比如在一些特定的行业(比如一些精细零件的装配，或者医疗行业的辅助手术等。需要对人体的姿态捕捉进行精确建模，选择合适的机器学习方法和执行策略，使机器人能够完成指定的任务，并获得高精度的人体轨迹数据。

　　诺可夫测量光学3D动作捕捉系统具有高精度、低延迟的特点，广泛应用于协作机器人的教学和学习数据采集。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。在动作捕捉的过程中，多个动作捕捉镜头发射红外线，高速连续拍摄标记点。根据连续图像计算出标记点的运动轨迹，并将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得空间坐标信息等高精度数据。

　　采用6个红外光学动作捕捉镜头，采样频率和采集记录以340fps粘贴在操作者手中，可以反映红外标志点的运动数据和手指的三维位置。光学运动捕捉系统的平台可以在正常的工业环境下工作，不干扰操作人员的正常装配，不占用过多的空间和密集的设备分布。在获得示教数据后，系统通过一系列的数据预处理技术，从多组装配演示数据中获得多条光滑的装配轨迹。最后，通过策略学习算法推导出重新生成机器人装配轨迹的策略，在目标位置和方向上随机启动装配任务。

　　学习医用机器人的缝合技能。

　　重庆邮电大学杨德伟老师提出了医用机器人均匀缝合技术的演示-分解-建模方法。

　　均匀拼接建模方法分为以下四个步骤:

　　首先，医生完成缝合操作的示范操作。

　　其次，根据设备-组织-接触状态的变化，将完整的演示过程分解为具有独立功能的缝纫动作原语。

　　第三，建立缝纫动作原语起始和终止状态的参数模型。

　　第四，使用动态运动基元(DMP)对拼接的动态子过程进行建模。动作原语的动态过程参数模型和停止状态参数模型构成缝纫技能库。

　　运动捕捉系统捕捉标志点的空间坐标，计算夹具的连续运动轨迹(包括位置和姿态)，利用高精度轨迹数据(亚毫米级)进行工艺分解。

　　动作捕捉系统具有高精度、低延迟的特点。该捕获系统具有高精度、低延迟的特点。