北京
人形机器人是当今世界最激动人心和最复杂的前沿领域之一。研究人员不仅在开发像人类一样行走和行动的机器，还在开发能够实时学习、合作和适应的机器。实现这一点需要对人体运动有深刻的理解，而这正是Xsens惯性运动捕捉技术发挥重要作用的地方。
在本文中，我们将探索Xsens在人形机器人研发中的四个核心应用，其中的每个应用都有真实的研究和现实世界的项目支持。下面让我们开始吧。
1.用动作捕捉数据训练机器人的人工智能和机器学习模型
机器学习(ML)和人工智能(AI)正在改变机器人学习、规划和与世界互动的方式。这种转变的一个关键促成因素是对高质量运动数据的访问，这正是Xsens动作捕捉技术的用武之地。这些运动数据对于机器人技术中的人工智能算法、强化学习模型和神经网络的训练至关重要。
Xsens运动捕捉系统生成丰富的带时间戳的数据集，包括关节角度、肢体轨迹、身体方向等。这些数据集可以作为机器学习模型的有价值的输入，实现更具适应性、自然和智能的机器人运动。
由于Xsens是可穿戴且无标记的，研究人员可以在现实环境中收集训练数据，而不仅仅是在实验室中——从而生成更强大和可部署的模型。
2.创造人机协作控制系统
当人类和机器人进行物理协作时，无论是在制造、医疗还是服务环境中，机器人以高保真度和高响应性理解人类运动是至关重要的。动作捕捉在实现这些系统中起着至关重要的作用。
研究人员已经使用Xsens技术开发了自适应控制系统，这允许机器人感知人类姿势，预测运动，并安全地做出反应。一个例子是由意大利理工学院开发的自适应协作接口(ACI)，旨在促进人类和机器人系统之间更安全、更直观的物理交互。Xsens的惯性传感器用于将全身运动传输到这个框架中，以完成协作任务。
3.通过模仿人类动作训练机器人(从演示中学习)
在现代机器人学中，通过示范来教授机器人—也被称为模仿学习或示范学习(LfD)正在成为越来越大的趋势。开发人员可以使用动作捕捉向机器人展示如何行动，而不是手动编程每个行为，让机器人从示例中学习复杂的任务。
通过使用Xsens，研究人员可以记录全身人类运动，并将其转化为机器人行为。
上海人形机器人研究中心的项目展示了人形机器人如何通过直接分析Xsens传感器捕捉的人类运动数据来学习像人类一样移动。这使得其可完成流畅的，像人一样的动作。
4.将人类动作映射到机器人上
将人类运动映射到机器人肢体是机器人研发中的一个常见挑战。使用运动捕捉数据来准确捕捉自然的人类运动，然后解析该运动如何转化为具有不同物理约束或功能的机器人动作。
在一项专注于将人类手臂运动映射到多关节机器手的研究中，基于IMU的数据(如来自Xsens的数据)有助于导出关节配置和末端执行器路径。这种类型的映射是遥操作、机器人技能学习和运动重定向的基础。
结论：真实的人类运动-真实的机器人智能
Xsens使机器人学家能够超越模拟和代码，从真实的人类运动中学习，验证物理交互，并创建更自然地行动的机器人。无论是用于协作控制、模仿学习还是运动映射，运动捕捉都正在成为机器人专家工具箱中必不可少的一部分。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
