“ 我的眼睛就是尺 ”是短道速滑“王者”王濛的金句 。而智能体在算法层面也有一把高精度的尺子 , 这把尺子就是“光学动作捕捉” 。
提到 “多智能体协同控制技术” ,你的脑海里会呈现出怎样的画面 , 是出现在空中的多架无人机编队表演 , 还是公路上的多辆无人车列队行进 , 又或者是大海里多艘无人艇协同作战 。
多智能体协同控制技术 强调单体之间的合作与协同 ,往往能够大幅提高工作效率和能力 , 可以应用于许多场景 , 例如工业操作、巡逻侦察、灾情救援、环境勘探、智能物流、智能农业和消费娱乐等 。
文章图片
上图来自北京理工大学夏元清老师团队的多智能体协同控制研究 , 网友热评: 无人机和无人车好像都长了眼睛 。
要实现多智能体协同控制 , 第一个要解决的问题就是知道每一个智能体(无人机、无人车、无人艇等)在什么位置 , 实际上就是定位问题 , 而 “动作捕捉” 是这一问题的重要技术支撑 。
国外关于动作捕捉的研究一直热火朝天 , 在控制类学科领域有很多应用 。而国内对动捕的研究起步较晚 , 但也有不少经典案例 。
那么动作捕捉是否已经为广大机器人行业科研人员所关注? 动作捕捉能够助力什么样的科研工作? 依据的技术原理是什么? 动作捕捉对机器人行业意味着什么? 带来了哪些变化?
▍ “动作捕捉”为机器人行业打开了一扇进击的大门
我们先以本文开篇北理工多智能体协同控制平台项目为例 , 深入了解动作捕捉的原理 。
文章图片
如何让智能体实现更好的协同? 我们看到动作捕捉方案是其中的关键要点 。动作捕捉(英文: Motion capture)是利用外部设备来对人或者其他物体的位移或者活动进行处理和记录的技术 。
动作捕捉系统根据实现原理的不同 , 可以分成光学动作捕捉(简称“光学动捕”)、惯性动作捕捉、计算机视觉的动作捕捉方案 。
文章图片
在前文北理工多智能体协同控制平台项目案例中 , 科研团队用到的是光学动作捕捉方案 。光学动作捕捉方案具有动作捕捉精度高、保真程度较高、专业度高等特点 。同时 , 该方案对环境要求高 , 技术复杂度高导致造价成本高 , 更适合科研或商业应用 。
特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
