装配机器人（机械臂）组装技能学习-度量科技

随着信息技术的发展，手机、平板电脑等3C产品的需求与日俱增，各加工工厂对劳动力的需求不断提高，随之而来的是成本的提升。因此，通过机器人对3C产品进行自动化装配自然成为了一种趋势。

然而，不同于汽车车间依靠编程实现汽车装配的工业机器人，3C装配中的机器人无法通过同样的方式进行编程设计。因为3C装配线具有高频率转换的特性，且3C产品中的大多数零部件均是专为人工手动组装而设计，若是通过编程设计则需要大量的时间和人力，需要一种新的机器人变成技术，成本负担过大。另外，3C装配线中的工人基本都是非专业机器人应用人员，为了能让装配机器人广泛应用，研究成果需要保证工人操作的简便性与易用性。哈尔滨工业大学深圳机电工程与自动化专业的研究团队，针对此问题提出了演示编程（PbD）这一解决方法。

什么是演示编程？演示编程是指利用机器人系统从人的操作演示中提取理解有效信息，进而将该信息转化为机器人的程序和参数，最终使机器人完成相应操作这一过程。由于3C组装过程的组装动作具有工作空间相对较小，精度高，运动复杂的特点，且3C装配线上的大多数工人都是非专业操作员，他们对工业机器人知之甚少，因此，在装配工作中能够在不影响人工自然组装运动的前提下获取工人的手部运动数据是非常重要的。经过调研和评估，该团队选择了以高精度为特点的光学动作捕捉系统作为演示编程的第一步——提取人的操作动作的工具。

该团队在一个小空间中搭起了6个动作捕捉镜头，通过这些镜头获取人手在组装过程中的六自由度信息，该信息包括了手部的位置以及方向信息。然后通过获取的装配演示动作信息，由编程得出机器人的控制策略，以驱动机器人在新环境下完成相同的装配任务。

该团队现已能够有效地将人手动作传递给机器人，并将实验流程与结果发表于2019 WRC SARA（收录于IEEE Xplore），证明通过动作捕捉系统实现机器人装配是可行的。相信在不久的将来，机器人能够更好的继进行3C产品甚至更为精密的设备的组装，而动作捕捉系统将会在机器人的研发过程中发挥更大的作用。

参考文献：[1]Z. Zhao, H. Hu, X. Yang and Y. Lou, "A Robot Programming by Demonstration Method for Precise Manipulation in 3C Assembly," 2019 WRC Symposium on Advanced Robotics and Automation (WRC SARA), 2019, pp. 172-177, doi: 10.1109/WRC-SARA.2019.8931947.

原文链接：https://ieeexplore.ieee.org/document/8931947
机械臂应用详情

IEEE RA-L | Aqua-Splat声呐—视觉水下三维重建，NOKOV提供水下机器人六自由度位姿真值

哈工大（深圳）胡靓教授团队提出Aqua-Splat声呐—视觉水下三维重建方法，提升几何重建精度与图像保真度。NOKOV度量动作捕捉系统为搭载双目相机与前视声呐的BlueROV2水下机器人提供六自由度位姿真值，用于建立每帧视觉、声呐数据与机器人位姿之间的空间对应关系。

双层LSTM光纤形状实时重建，NOKOV度量动捕提供高精度三维真值

中科院深圳先进院刘奂奂团队基于 NOKOV度量动作捕捉系统，提出面向微创手术导航的双层LSTM光纤形状重建方法。NOKOV获取光纤标记点高精度三维坐标，作为模型训练真值，并验证动态重建精度与稳定性，助力实现FBG光谱到光纤三维形状的端到端实时重建。

面向机器人多接触操作的视觉-触觉-位姿数据采集系统

机器人多接触操作的数据采集，难点不只是记录动作，而是同时获得可用于训练的视觉、触觉和位姿轨迹。香港大学、上海创智学院李弘扬团队在 ICRA 2026发表论文，提出一种无需机器人参与的视觉-触觉数据采集系统 FreeTacMan。该研究中，NOKOV 度量光学动作捕捉系统用于采集手持夹爪的高精度 6D 位姿，并与视觉、触觉和夹爪开口宽度同步记录，为机器人复杂接触操作策略学习提供多模态数据基础。

浮体运动如何精准测量？NOKOV度量动作捕捉助力浮动式多模块系统连接器失效安全验证

浮动式多模块系统是海洋工程领域的重要结构形式，其安全性受到连接器失效影响。中国海洋大学团队基于波浪水槽物理模型实验，利用NOKOV度量动作捕捉系统获取浮体模块运动数据，并结合数值模拟分析连接器失效后的动力响应变化。